工作负载异常：启动容器失败

问题定位

工作负载详情中，若事件中提示“启动容器失败”，请按照如下方式来初步排查原因：

1. 登录异常工作负载所在的节点。
2. 查看工作负载实例非正常退出的容器ID。

   docker ps -a | grep $podName

3. 查看退出容器的错误日志。

   docker logs $containerID

   根据日志提示修复工作负载本身的问题。

4. 查看操作系统的错误日志。

   cat /var/log/messages | grep $containerID  | grep oom

   根据日志判断是否触发了系统OOM。

排查思路

根据具体事件信息确定具体问题原因，如表1所示。

除上述可能原因外，还可能存在如下原因，请根据顺序排查。

• 排查项七：容器启动命令配置有误导致
• 排查项八：用户自身业务BUG
• 在ARM架构的节点上创建工作负载时未使用正确的镜像版本，使用正确的镜像版本即可解决该问题。

图1 重新启动容器失败排查思路

排查项一：（退出码：0）容器中无持续运行的进程

1. 登录异常工作负载所在的节点。
2. 查看容器状态。

   docker ps -a | grep $podName

   如下图所示：

   

   当容器中无持续运行的进程时，会出现exit(0)的状态码，此时说明容器中无进程。

排查项二：（退出码：137）健康检查执行失败

工作负载配置的健康检查会定时检查业务，异常情况下pod会报实例不健康的事件且pod一直重启失败。

工作负载若配置liveness型（工作负载存活探针）健康检查，当健康检查失败次数超过阈值时，会重启实例中的容器。在工作负载详情页面查看事件，若K8s事件中出现“Liveness probe failed: Get http…”时，表示健康检查失败。

解决方案：

请在工作负载详情页中，切换至“容器管理”页签，核查容器的“健康检查”配置信息，排查健康检查策略是否合理或业务是否已异常。

排查项三：容器所在磁盘空间不足

如下磁盘为创建节点时选择的docker专用盘分出来的thinpool盘，以root用户执行lvs命令可以查看当前磁盘的使用量。

Thin Pool has 15991 free data blocks which is less than minimum required 16383 free data blocks. Create more free space in thin pool or use dm.min_free_space option to change behavior

解决方案：

方案一：清理镜像

您可以执行以下步骤清理未使用的镜像：

• 使用containerd容器引擎的节点：
  1. 查看节点上的本地镜像。

     crictl images -v

  2. 确认镜像无需使用，并通过镜像ID删除无需使用的镜像。

     crictl rmi {镜像ID}

• 使用docker容器引擎的节点：
  1. 查看节点上的本地镜像。

     docker images

  2. 确认镜像无需使用，并通过镜像ID删除无需使用的镜像。

     docker rmi {镜像ID}

请勿删除cce-pause等系统镜像，否则可能导致无法正常创建容器。

方案二：扩容磁盘

扩容磁盘的操作步骤如下：

1. 在EVS界面扩容数据盘。
2. 登录CCE控制台，进入集群，在左侧选择“节点管理”，单击节点后的“同步云服务器”。
3. 登录目标节点。
4. 使用lsblk命令查看节点块设备信息。

   这里存在两种情况，根据容器存储Rootfs而不同。

   • Overlayfs，没有单独划分thinpool，在dockersys空间下统一存储镜像相关数据。

     # lsblk
     NAME                MAJ:MIN RM  SIZE RO TYPE MOUNTPOINT
     sda                   8:0    0   50G  0 disk 
     └─sda1                8:1    0   50G  0 part /
     sdb                   8:16   0  200G  0 disk 
     ├─vgpaas-dockersys  253:0    0   90G  0 lvm  /var/lib/docker               # 容器引擎使用的空间
     └─vgpaas-kubernetes 253:1    0   10G  0 lvm  /mnt/paas/kubernetes/kubelet  # kubernetes使用的空间

     在节点上执行如下命令， 将新增的磁盘容量加到dockersys盘上。

     pvresize /dev/sdb 
     lvextend -l+100%FREE -n vgpaas/dockersys
     resize2fs /dev/vgpaas/dockersys

   • Devicemapper，单独划分了thinpool存储镜像相关数据。

     # lsblk
     NAME                                MAJ:MIN RM  SIZE RO TYPE MOUNTPOINT
     sda                                   8:0    0   50G  0 disk 
     └─sda1                                8:1    0   50G  0 part /
     sdb                                   8:16   0  200G  0 disk 
     ├─vgpaas-dockersys                  253:0    0   18G  0 lvm  /var/lib/docker    
     ├─vgpaas-thinpool_tmeta             253:1    0    3G  0 lvm                   
     │ └─vgpaas-thinpool                 253:3    0   67G  0 lvm                   # thinpool空间
     │   ...
     ├─vgpaas-thinpool_tdata             253:2    0   67G  0 lvm  
     │ └─vgpaas-thinpool                 253:3    0   67G  0 lvm  
     │   ...
     └─vgpaas-kubernetes                 253:4    0   10G  0 lvm  /mnt/paas/kubernetes/kubelet

     • 在节点上执行如下命令， 将新增的磁盘容量加到thinpool盘上。

       pvresize /dev/sdb 
       lvextend -l+100%FREE -n vgpaas/thinpool

     • 在节点上执行如下命令， 将新增的磁盘容量加到dockersys盘上。

       pvresize /dev/sdb 
       lvextend -l+100%FREE -n vgpaas/dockersys
       resize2fs /dev/vgpaas/dockersys

排查项四：达到容器资源上限

事件详情中有OOM字样。并且，在日志中也会有记录：

cat /var/log/messages | grep 96feb0a425d6 | grep oom

创建工作负载时，设置的限制资源若小于实际所需资源，会触发系统OOM，并导致容器异常退出。

排查项五：工作负载的容器规格设置较小导致

工作负载的容器规格设置较小导致，若创建工作负载时，设置的限制资源少于实际所需资源，会导致启动容器失败。

排查项六：同一pod中container端口冲突导致

1. 登录异常工作负载所在的节点。
2. 查看工作负载实例非正常退出的容器ID。

   docker ps -a | grep $podName

3. 查看退出容器的错误日志。

   docker logs $containerID

   根据日志提示修复工作负载本身的问题。如下图所示，即同一Pod中的container端口冲突导致容器启动失败。

   图2 container冲突导致容器启动失败
   

解决方案：

重新创建工作负载，并配置正确的端口，确保端口不冲突。

排查项七：容器启动命令配置有误导致

错误信息如下图所示：

解决方案：

请在工作负载详情页中，切换至“容器管理”页签，核查容器的“生命周期 > 启动命令”配置信息，确保启动命令配置正确。

排查项八：用户自身业务BUG

请检查工作负载启动命令是否正确执行，或工作负载本身bug导致容器不断重启。

1. 登录异常工作负载所在的节点。
2. 查看工作负载实例非正常退出的容器ID。

   docker ps -a | grep $podName

3. 查看退出容器的错误日志。

   docker logs $containerID

   注意：这里的containerID为已退出的容器的ID

   图3 容器启动命令配置不正确
   

   如上图所示，容器配置的启动命令不正确导致容器启动失败。其他错误请根据日志提示修复工作负载本身的BUG问题。

解决方案：

重新创建工作负载，并配置正确的启动命令。