7 张图解 CrashLoopBackOff，如何发现问题并解决它？

​​CrashLoopBackOff​​ 是一种 Kubernetes 状态，表示 Pod 中发生的重启循环：Pod 中的容器已启动，但崩溃然后又重新启动，一遍又一遍。

Kubernetes 将在重新启动之间等待越来越长的回退时间，以便您有机会修复错误。因此，CrashLoopBackOff 本身并不是一个错误，而是表明发生了一个错误，导致 Pod 无法正常启动。

Pod 在 Running、Failed 和 Waiting 之间循环

请注意，它重新启动的原因是因为它​​restartPolicy​​​设置为​​Always​​​（默认情况下）或​​OnFailure​​，然后 kubelet 读取此配置并重新启动 Pod 中的容器并导致循环。这种行为实际上很有用，因为这为丢失的资源完成加载提供了一些时间，也为我们检测问题和调试提供了一些时间，稍后会详细介绍。

这解释了​​CrashLoop​​​部分，但是​​BackOff​​时间呢？基本上，这是重启之间的指数延迟（10 秒、20 秒、40 秒……），上限为 5 分钟。当 Pod 状态显示 CrashLoopBackOff 时，表示它当前正在等待指示的时间，然后再重新启动 Pod。除非它被修复，否则它可能会再次失败。

Pod 处于循环中。尝试运行，但失败了，所以进入失败状态。 如果稍等片刻以帮助您调试，则会尝试再次运行。如果问题没有解决，就陷入了循环，将再次失败

在本文中，您将看到：

1. 什么是 CrashLoopBackOff？
2. 如何检测 CrashLoopBackOff 问题
3. CrashLoopBackOff 的常见原因
4. 用于调试 CrashLoopBackOff 的 Kubernetes 工具
5. 如何使用 Prometheus 检测 CrashLoopBackOff

如何检测集群中的 CrashLoopBackOff？

最有可能的是，您通过​​kubectl get pods​​列出以下 pod 发现了处于此状态的一个或多个 pod ：

$ kubectl get pods
NAME                     READY     STATUS             RESTARTS   AGE
flask-7996469c47-d7zl2   1/1       Running            1          77d
flask-7996469c47-tdr2n   1/1       Running            0          77d
nginx-5796d5bc7c-2jdr5   0/1       CrashLoopBackOff   2          1m
nginx-5796d5bc7c-xsl6p   0/1       CrashLoopBackOff   2

从输出中，您可以看到最后两个 pod：

• 不处于​​READY​​​(​​0/1​​) 状态。
• 他们的状态显示​​CrashLoopBackOff​​。
• 列​​RESTARTS​​显示重新启动次数。

这三个信号指向我们解释的内容：Pod 出现故障，它们正在重新启动。在重新启动之间，有一个宽限期，表示为​​CrashLoopBackOff​​.

您可能在 Pod 处于​​Running​​​或​​Failed​​状态的短暂时间内找到它。

CrashloopBackoff 的时间线。 每次失败时，BackoffTime 和 Restart Count 都会增加

CrashLoopBackOff 的常见原因

重要的是要注意 ​​CrashLoopBackOff​​​ 不是导致 pod 崩溃的实际错误。请记住，它只是显示​​STATUS​​列中发生的循环。您需要找到影响容器的潜在错误。

与实际应用程序相关的一些错误是：

• **错误配置：**就像配置文件中的错字。
• **资源不可用：**例如未挂载的 PersistentVolume。
• **错误的命令行参数：**要么丢失，要么不正确。
• bug 和异常:这可以是任何异常，对你的应用来说都是非常具体的。

最后，来自网络和权限的错误是：

• 您试图绑定被占用的端口。
• 内存限制太低，容器被​​Out Of Memory​​ 杀死。
• liveness 探针返回错误未报告 Pod 已 Ready。
• 只读文件系统，或缺乏权限。

以上这些只是可能原因的列表，可能还有很多其他原因。

现在让我们看看如何深入挖掘并找到真正的原因。

调试、排障和修复 CrashLoopBackOff

上文，您了解到 pod 最终处于 ​​CrashLoopBackOff​​ 状态的原因有很多。现在，你怎么知道是哪一个在影响你？让我们回顾一下您可以用来调试它的一些工具，以及使用它的顺序。

这可能是我们最好的做法：

1. 检查​​pod 描述​​。
2. 检查​​pod 日志​​。
3. 检查events。
4. 检查deployment。

1.查看 pod 描述：kubectl describe pod

该​​kubectl describe pod​​命令提供特定 Pod 及其容器的详细信息：

$ kubectl describe pod the-pod-name
Name:         the-pod-name
Namespace:    default
Priority:     0
…
State:          Waiting
Reason:       CrashLoopBackOff
Last State:     Terminated
Reason:       Error
…
Warning  BackOff                1m (x5 over 1m)

从描述输出中，您可以提取以下信息：

• 当前 pod​​State​​​是​​Waiting​​.
• 等待状态的原因是“CrashLoopBackOff”。
• 上一个状态是“Terminated”。
• 上次终止的原因是“错误”。

这与我们一直在解释的循环行为一致。

通过使用​​kubectl describe pod​​，您可以检查以下配置错误：

• Pod 定义
• 容器
• 为容器拉取的镜像
• 为容器分配的资源
• 错误或缺少的参数
• …

…
Warning  BackOff                1m (x5 over 1m)

在最后几行中，您会看到与此 pod 关联的最后一个事件的列表，其中之一是​​"Back-off restarting failed container"​​，这是重启循环的事件。即使发生了多次重新启动，也应该只有一行。

2.查看日志：kubectl logs

您可以查看 pod 的所有容器的日志：

kubectl logs mypod --all-containers

甚至是该 pod 中的容器：

kubectl logs mypod -c mycontainer

如果发送错误的 pod 中有错误的值，日志可能会显示有用的信息。

3.查看事件：kubectl get events

它们可以列出：

kubectl get events

或者，您可以使用以下命令列出单个 Pod 的所有事件：

kubectl get events --field-selector involvedObject.name=mypod

请注意，此信息也出现在​​describe pod​​输出的底部。

4.检查部署：kubectl describe deployment

您可以通过以下方式获取此信息：

kubectl describe deployment mydeployment

如果部署定义了所需的 Pod 状态，它可能包含导致 CrashLoopBackOff 的错误配置。

结合起来看

在下面的示例中，您可以看到如何挖掘日志，在其中发现命令参数中的错误。

调试 Crashloopbackoff。 它显示了三个终端以及几个调试命令之间的关系。

在 Prometheus 中检测 CrashLoopBackOff

如果您使用 Prometheus 进行监控，这里有一些提示可以帮助您在发生 ​​CrashLoopBackOff​​ 时发出警报。

使用以下表达式，可以快速扫描集群中处于​​CrashLoopBackOff​​​状态的容器（您需要提前部署 ​​Kube State Metrics​​）:

kube_pod_container_status_waiting_reason{reason="CrashLoopBackOff"} == 1

检测 pod 状态为 CrashLoopBackOff 的 PromQL 示例

或者，你可以用以下方法跟踪 pod 发生的重启次数:

rate(kube_pod_container_status_restarts_total[5m]) > 0

基于重启率检测 CrashLoopBackOff 的 PromQL 示例

**警告：**并非集群中发生的所有重启都与 CrashLoopBackOff 状态有关。

重新启动和 crashloopbackoff 之间的相关性。 并非所有重启都是由 crashloopbackoff 引起的

在每个 CrashLoopBackOff 周期之后应该有一个重新启动 (1)，但可能有与 CrashLoopBackOff (2) 无关的重新启动。

可以创建如下所示的 Prometheus 警报规则，当任何 pod 处于此状态时接收通知：

- alert: RestartsAlert
  expr: rate(kube_pod_container_status_restarts_total[5m]) > 0
  for: 10m
  labels:
    severity: warning
  annotations:
    summary: Pod is being restarted
  description: Pod {{ $labels.pod }} in {{ $labels.namespace }} has a container {{ $labels.container }}

结论

在这篇文章中，我们看到了 ​​CrashLoopBackOff​​ 本身并不是一个错误，而只是一个在 pod 中发生的重试循环的通知。

我们看到了它所经过的状态的描述，以及如何使用​​kubectl​​命令跟踪它。

此外，我们还看到了可能导致此状态的常见错误配置，以及您可以使用哪些工具来调试它。

最后，我们回顾了 ​​Prometheus​​​ 如何帮助跟踪和提醒 ​​Pod​​​ 中的 ​​CrashLoopBackOff​​ 事件。

虽然不是一个直观的消息，但 ​​CrashLoopBackOff​​ 是一个有用的概念，它是有意义的，没有什么可害怕的。

译自：https://sysdig.com/blog/debug-kubernetes-crashloopbackoff/
译者：#公众号：进击云原生