Kubernetes 部署失败的常见原因

最近一系列的文章重点介绍了 Kubernetes 部署失败的 10 种常见原因。这些原因涵盖了从缺少输入和错误输入，到超出资源限制。在大多数情况下，kubectl describe 命令可以帮助确定背后的原因。

Kubernetes 部署的无效输入包括指定不存在的容器镜像，或者指定没有访问权限的容器镜像。因为默认的 registry 是 Dockerhub，所以如果使用了其它 registry （如 Amazon ECR 或 Quay.io），则需要指定 registry URL。私有 registry 在访问镜像时需要相关证书。 当要拉取的标签名称无效时，镜像拉取也可能遇到错误。比如在 latest 标签不存在但镜像存在时，镜像拉取就会失败（如果没有特别指定，“latest”就是默认标签）。此外网络问题也可能会导致错误。这类情况下的错误消息彼此间十分相似，因此需要更深入的检查以确定确切的原因。

Kubernetes 中的部署失败常常导致特定的 Pod 无法启动。可以使用“kubectl describe pod ”命令输出描述失败原因的事件日志。kubectl 命令采用“pod”，“replicaset”，和“deployment”参数。这些命令与“kubectl logs ”组合是调试部署失败的关键。

如果把 Kubernetes 中的默认策略设置为不总是从registry 中拉取，则即使提交了更新后的改动并推送镜像，这些改动也可能不可见。在产品中推荐的解决方法是为每个镜像分配唯一标签，并在拉取请求中使用这些标签。此外在部署配置中指定不存在的持久卷（persistent volumes）也可能导致部署失败。

另外两种无效输入是缺少程序运行时ConfigMap 或Secrets，以及无效的Spec 对象。 ConfigMap 是一组键值对的映射，该组键值对属于应用程序所需的配置数据。ConfigMap 可以被指定为CLI 参数，环境变量，或已安装卷中的文件。如果缺少了这些信息，那么Pod 创建会停止，并且状态被设置为“RunContainerError”。Secrets 是一种用于存储敏感数据（如证书）的机制。Secrets 缺失将导致类似的问题。ConfigMap 和Secrets 都可以安装为卷，如果安装失败，则容器创建停止，事件日志的状态停留在“ContainerCreating”。

另一种部署失败的原因是无效的Kubernetes Spec 对象，这些无效对象是由YAML 中的缩进错误或拼写错误所导致。通过基于CLI 的YAML 验证和使用–dry-run 参数，我们可以很容易地避免此类错误，如下所示：

kubectl create -f test-application.deploy.yaml --dry-run --validate=true

但该方法需要运行 Kubernetes 集群。移除对集群依赖的工作正在进行当中，同时也会提供对客户端验证的支持。YAML 验证可以被添加到源控制系统中，成为预提交钩子（pre-commit hook）的一部分。

另一类失败的Kubernetes 部署是因为超出资源限制。Pod 和容器都有指定的CPU 和内存限制。超出这些限制将导致无法创建Pod。调试该问题需要花一点精力。命令“kubectl describe deployment ”可以帮助我们获取ReplicaSet 的名称，此ReplicaSet 正是Kubernetes 所尝试去创建的。键入“kubectrl describe replicaset ”，并把上一步中获取的副本集（replica set）名称传递给它，就可以像在其它情况下一样，打印出事件日志，并显示错误消息。

部署失败也可能是因为超出资源配额。当团队间共享节点数固定的集群时，这种资源配额机制可以用来限制每个命名空间的资源消耗。资源包括Pod，服务和部署，以及计算资源的总量。 同样，在这种情况下，“kubectl describe”命令能够帮助我们挖掘出实际的错误消息。

当节点未充分使用资源时或者由于资源不足而无法运行Pod 时，集群自动调整程序（cluster autoscaler）会自动调整Kubernetes 集群大小。如果该自动调整程序未被启用，那么超出资源配额的部署将会失败，并且Pod 停留在“Pending”状态。 事件日志将显示出实际短缺的资源（由于该资源短缺而导致部署失败）。

应用程序行为的意外更改可能以不同的方式引起部署失败。应用程序崩溃常常会导致启动错误，该错误的错误消息是“CrashLoopBackOff”。应用程序日志可以帮助解决此问题。此外，如果配置错误或者响应超时， Liveness/Readiness 探测可能会停止工作，该探测被 Kubernetes 用来检测服务的健康情况。例如，URL 健康检查可能在应用程序中已发生变更，或者由于数据库变动，URL 健康检查可能无法正常工作。某些 URL 可能需要一段时间才能响应 Readiness 检查，这可能会超时并导致部署失败。

文章的作者已开源一个脚本，当创建失败时，该脚本可以在日志里打印出有用的相关信息。

查看英文原文： Common Reasons for Failed Kubernetes Deployments

感谢薛命灯对本文的审校。

给InfoQ 中文站投稿或者参与内容翻译工作，请邮件至 editors@cn.infoq.com 。也欢迎大家通过新浪微博（ @InfoQ ， @丁晓昀），微信（微信号： InfoQChina ）关注我们。