Kubernetes容器编排敇障排查手册：从Pod异常到集群级问题的诊断方法

Pod异常状态诊断全流程

Kubernetes运维日常最高频的操作就是排查Pod异常。Pod状态码直接反映问题方向：Pending说明调度失败，CrashLoopBackOff说明容器启动后反复崩溃，OOMKilled说明内存超限被杀。

Pending状态排查：kubectl describe pod看Events字段，重点关注FailedScheduling事件。常见原因：资源不足、节点选择器匹配不到、PVC无法挂载。CrashLoopBackOff分两种情况：启动就退出看日志，启动后一段时间退出用kubectl logs –previous。

Service与网络问题定位

Service无法访问的排查要从简到繁：第一步验证Pod网络，第二步验证ClusterIP可达，第三步验证DNS解析。CoreDNS挂了会大面积影响服务发现。kube-proxy的iptables/ipvs模式对排查方向有影响。CNI插件问题更复杂，NetworkPolicy也是常见干扰项。

监控告警体系搭建实践

kube-state-metrics提供Pod重启次数、Deployment副本偏差等指标。节点级监控关注CPU steal time、磁盘IO等待、网络包丢失率。告警规则基于SLO而非阈值，分级处理：P0电话、P1短信+IM、P2工单。

CI/CD流水线部署安全控制

RBAC权限分级是基础。生产环境必须用RollingUpdate或蓝绿部署，禁用Recreate。金丝雀发布配合流量切分。Readiness Gate确保应用就绪后才接收流量。