计算
弹性云服务器 ECS
Flexus云服务
裸金属服务器 BMS
弹性伸缩 AS
镜像服务 IMS
专属主机 DeH
函数工作流 FunctionGraph
云手机服务器 CPH
Huawei Cloud EulerOS
网络
虚拟私有云 VPC
弹性公网IP EIP
虚拟专用网络 VPN
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
VPC终端节点 VPCEP
云连接 CC
企业路由器 ER
企业交换机 ESW
全球加速 GA
安全与合规
安全技术与应用
Web应用防火墙 WAF
企业主机安全 HSS
云防火墙 CFW
安全云脑 SecMaster
DDoS防护 AAD
数据加密服务 DEW
数据库安全服务 DBSS
云堡垒机 CBH
数据安全中心 DSC
云证书管理服务 CCM
边缘安全 EdgeSec
威胁检测服务 MTD
CDN与智能边缘
内容分发网络 CDN
CloudPond云服务
智能边缘云 IEC
迁移
主机迁移服务 SMS
对象存储迁移服务 OMS
云数据迁移 CDM
迁移中心 MGC
大数据
MapReduce服务 MRS
数据湖探索 DLI
表格存储服务 CloudTable
云搜索服务 CSS
数据接入服务 DIS
数据仓库服务 GaussDB(DWS)
数据治理中心 DataArts Studio
数据可视化 DLV
数据湖工厂 DLF
湖仓构建 LakeFormation
企业应用
云桌面 Workspace
应用与数据集成平台 ROMA Connect
云解析服务 DNS
专属云
专属计算集群 DCC
IoT物联网
IoT物联网
设备接入 IoTDA
智能边缘平台 IEF
用户服务
账号中心
费用中心
成本中心
资源中心
企业管理
工单管理
国际站常见问题
ICP备案
我的凭证
支持计划
客户运营能力
合作伙伴支持计划
专业服务
区块链
区块链服务 BCS
Web3节点引擎服务 NES
解决方案
SAP
高性能计算 HPC
视频
视频直播 Live
视频点播 VOD
媒体处理 MPC
实时音视频 SparkRTC
数字内容生产线 MetaStudio
存储
对象存储服务 OBS
云硬盘 EVS
云备份 CBR
存储容灾服务 SDRS
高性能弹性文件服务 SFS Turbo
弹性文件服务 SFS
云硬盘备份 VBS
云服务器备份 CSBS
数据快递服务 DES
专属分布式存储服务 DSS
容器
云容器引擎 CCE
容器镜像服务 SWR
应用服务网格 ASM
华为云UCS
云容器实例 CCI
管理与监管
云监控服务 CES
统一身份认证服务 IAM
资源编排服务 RFS
云审计服务 CTS
标签管理服务 TMS
云日志服务 LTS
配置审计 Config
资源访问管理 RAM
消息通知服务 SMN
应用运维管理 AOM
应用性能管理 APM
组织 Organizations
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
应用身份管理服务 OneAccess
数据库
云数据库 RDS
文档数据库服务 DDS
数据管理服务 DAS
数据复制服务 DRS
云数据库 GeminiDB
云数据库 GaussDB
分布式数据库中间件 DDM
数据库和应用迁移 UGO
云数据库 TaurusDB
人工智能
人脸识别服务 FRS
图引擎服务 GES
图像识别 Image
内容审核 Moderation
文字识别 OCR
AI开发平台ModelArts
图像搜索 ImageSearch
对话机器人服务 CBS
华为HiLens
视频智能分析服务 VIAS
语音交互服务 SIS
应用中间件
分布式缓存服务 DCS
API网关 APIG
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
分布式消息服务RocketMQ版
多活高可用服务 MAS
事件网格 EG
企业协同
华为云会议 Meeting
云通信
消息&短信 MSGSMS
云生态
合作伙伴中心
云商店
开发者工具
SDK开发指南
API签名指南
Terraform
华为云命令行工具服务 KooCLI
其他
产品价格详情
系统权限
管理控制台
客户关联华为云合作伙伴须知
消息中心
公共问题
开发与运维
应用管理与运维平台 ServiceStage
软件开发生产线 CodeArts
需求管理 CodeArts Req
部署 CodeArts Deploy
性能测试 CodeArts PerfTest
编译构建 CodeArts Build
流水线 CodeArts Pipeline
制品仓库 CodeArts Artifact
测试计划 CodeArts TestPlan
代码检查 CodeArts Check
代码托管 CodeArts Repo
云应用引擎 CAE
开天aPaaS
云消息服务 KooMessage
云手机服务 KooPhone
云空间服务 KooDrive
文档首页/ 云容器引擎 CCE/ 用户指南(吉隆坡区域)/ 常见问题/ 节点/ 节点运行/ 集群可用但节点状态为“不可用”如何解决?

集群可用但节点状态为“不可用”如何解决?

更新时间:2024-10-14 GMT+08:00

当集群状态为“可用”,而集群中部分节点状态为“不可用”时,请参照如下方式来排查解决。

节点不可用检测机制说明

Kubernetes 节点发送的心跳确定每个节点的可用性,并在检测到故障时采取行动。检测的机制和间隔时间详细说明请参见心跳

排查项一:节点负载过高

问题描述:

集群中节点连接异常,多个节点报写入错误,业务未受影响。

问题定位:

  1. 登录CCE控制台,进入集群,在不可用节点所在行单击“监控”
  2. 单击“监控”页签顶部的“查看更多”,前往运维管理页面查看历史监控记录。

    当节点cpu和内存负载过高时,会导致节点网络时延过高,或系统OOM,最终展示为不可用。

解决方案:

  1. 建议迁移业务,减少节点中的工作负载数量,并对工作负载设置资源上限,降低节点CPU或内存等资源负载。
  2. 将集群中对应的cce节点进行数据清理。
  3. 限制每个容器的CPU和内存限制配额值。
  4. 对集群进行节点扩容。
  5. 您也可以重启节点,请至ECS控制台对节点进行重启。
  6. 增加节点,将高内存使用的业务容器分开部署。
  7. 重置节点。

节点恢复为可用后,工作负载即可恢复正常。

排查项二:弹性云服务器是否删除或故障

  1. 确认集群是否可用。

    登录CCE控制台,确定集群是否可用。

  2. 登录ECS控制台,查看对应的弹性云服务器状态。

    • 若弹性云服务器状态为“已删除”:请在CCE中删除对应节点,再重新创建节点。
    • 若弹性云服务器状态为“关机”“冻结”:请先恢复弹性云服务器,约3分钟后集群节点可自行恢复。
    • 若弹性云服务器出现故障:请先重启弹性云服务器,恢复故障。
    • 若弹性云服务器状态为“可用”:请参考排查项七:内部组件是否正常登录弹性云服务器进行本地故障排查。

排查项三:弹性云服务器能否登录

  1. 登录ECS控制台。
  2. 确认界面显示的节点名称与虚机内的节点名称是否一致,并且密码或者密钥能否登录。

    如果节点名称不一致,并且密码和密钥均不能登录,说明是ECS创建虚机时的cloudinit初始化问题,临时规避可以尝试重启节点,之后再提单给ECS确认问题根因。

排查项四:安全组是否被修改

登录VPC控制台,在左侧栏目树中单击“访问控制 > 安全组”,找到集群控制节点的安全组。

控制节点安全组名称为:集群名称-cce-control-编号。您可以通过集群名称查找安全组,再进一步在名称中区分“-cce-control-”字样,即为本集群安全组。

排查安全组中规则是否被修改,关于安全组的详细说明请参见集群安全组规则配置

排查项五:检查安全组规则中是否包含Master和Node互通的安全组策略

请检查安全组规则中是否包含Master和Node互通的安全组策略。

已有集群添加节点时,如果子网对应的VPC新增了扩展网段且子网是扩展网段,要在控制节点安全组(即集群名称-cce-control-随机数)中添加如下三条安全组规则,以保证集群添加的节点功能可用(新建集群时如果VPC已经新增了扩展网段则不涉及此场景)。

关于安全组的详细说明请参见集群安全组规则配置

排查项六:检查磁盘是否异常

新建节点会给节点绑定一个100G的docker专用数据盘。若数据盘卸载或损坏,会导致docker服务异常,最终导致节点不可用。

请检查节点挂载的数据盘是否已被卸载。若已卸载请重新挂载数据盘,再重启节点,节点可恢复。

排查项七:内部组件是否正常

  1. 登录不可用节点对应的弹性云服务器。
  2. 执行以下命令判断paas组件是否正常。

    systemctl status kubelet

    执行成功,可查看到各组件的状态为Active,如下图:

    若服务的组件状态不是Active,执行如下命令:

    重启命令根据出错组件指定,如canal组件出错,则命令为:systemctl restart canal

    重启后再查看状态:systemctl status canal

  3. 若执行失败,请执行如下命令,查看monitrc进程的运行状态。

    ps -ef | grep monitrc

    若存在此进程,请终止此进程,进程终止后会自动重新拉起。

    kill -s 9 `ps -ef | grep monitrc | grep -v grep | awk '{print $2}'`

排查项八:DNS地址配置错误

  1. 登录节点,在日志/var/log/cloud-init-output.log中查看是否有域名解析失败相关的报错。

    cat /var/log/cloud-init-output.log | grep resolv

    如果回显包含如下内容则说明无法解析该域名。

    Could not resolve host: Unknown error

  2. 在节点上ping上一步无法解析的域名,确认节点上能否解析此域名。

    • 如果不能,则说明DNS无法解析该地址。请确认/etc/resolv.conf文件中的DNS地址与配置在VPC的子网上的DNS地址是否一致,通常是由于此DNS地址配置错误,导致无法解析此域名。请修改VPC子网DNS为正确配置,然后重置节点。
    • 如果能,则说明DNS地址配置没有问题,请排查其他问题。

排查项九:检查节点中的vdb盘是否被删除

如果节点中的vdb盘被删除,可参考此章节内容恢复节点。

排查项十:排查Docker服务是否正常

  1. 执行以下命令确认docker服务是否正在运行:

    systemctl status docker

    若执行失败或服务状态非active,请确认docker运行失败原因,必要时可提交工单联系技术支持。

  2. 执行以下命令检查当前节点上所有容器数量:

    docker ps -a | wc -l

    若命令卡死、执行时间过长或异常容器数过多(1000以上),请确认外部是否存在重复不断地创删负载现象,在大量容器频繁创删过程中有可能出现大量异常容器且难以及时清理。

    在此场景下可考虑停止重复创删负载或采用更多的节点去分摊负载,一般等待一段时间后节点会恢复正常,必要情况可执行docker rm {container_id}手动清理异常容器。

我们使用cookie来确保您的高速浏览体验。继续浏览本站,即表示您同意我们使用cookie。 详情

文档反馈

文档反馈

意见反馈

0/500

标记内容

同时提交标记内容