诊断集群的问题

.vuepress/config.js

@@ -418,6 +418,7 @@ module.exports = {
               collapsable: true,
               children: [
                 'k8s-advanced/ts/application',
+                'k8s-advanced/ts/cluster',
               ]
             },
             {

install/install-k8s.md

@@ -140,7 +140,7 @@ export default {
 </div>
 
   </grid-item>
-  <grid-item size="1/3" :rwd="{tablet: '1/1', compact: '0/1'}" style="padding: 1rem 1rem 1rem 1rem;">
+  <grid-item size="1/3" :rwd="{tablet: '1/1', compact: '0/1'}" style="padding: 2rem 1rem 1rem 1rem;">
     <AdSenseVertical/>
   </grid-item>
 </grid>
@@ -178,7 +178,7 @@ export default {
 </div>
 
   </grid-item>
-  <grid-item size="1/3" :rwd="{tablet: '1/1', compact: '0/1'}" style="padding: 1rem 1rem 1rem 1rem;">
+  <grid-item size="1/3" :rwd="{tablet: '1/1', compact: '0/1'}" style="padding: 2rem 1rem 1rem 1rem;">
     <AdSenseVertical/>
   </grid-item>
 </grid>
@@ -234,7 +234,7 @@ lscpu
 </div>
 
   </grid-item>
-  <grid-item size="1/3" :rwd="{tablet: '1/1', compact: '0/1'}" style="padding: 1rem 1rem 1rem 1rem;">
+  <grid-item size="1/3" :rwd="{tablet: '1/1', compact: '0/1'}" style="padding: 2rem 1rem 1rem 1rem;">
     <AdSenseVertical/>
   </grid-item>
 </grid>

learning/k8s-advanced/ts/cluster.md

@@ -0,0 +1,178 @@
+---
+vssueId: 128
+layout: LearningLayout
+description: Kubernetes教程_本文档可帮助您诊断部署到Kubernetes中的应用程序所出现的问题。如果仍然解决不了，请加本文末尾的QQ群答疑。
+meta:
+  - name: keywords
+    content: Kubernetes教程,K8S教程,诊断应用程序,问题诊断
+---
+
+# 诊断集群问题
+
+> 参考文档：[Troubleshoot Clusters](https://kubernetes.io/docs/tasks/debug-application-cluster/debug-cluster/)
+
+本文主要是关于如何诊断集群出现的问题，此时，假设您已经经过排查，确认当前碰到问题的 root cause（问题的根源）不是应用程序的问题。参考 [诊断应用程序](./application.html)。
+
+## 查看集群
+
+当您怀疑集群可能有故障时，首先要做的是查看集群中的节点：
+
+``` sh
+kubectl get nodes -o wide
+```
+
+检查是否所有的节点是否都在并且都处于 `Ready` 状态。对于您怀疑有问题的节点，可以查看节点上的详细信息，以及节点上的事件：
+
+参考 [节点](/learning/k8s-bg/architecture/nodes.html) 理解节点详细信息的含义
+
+``` sh
+# 将 ${NODE_NAME} 替换成您实际的节点名字
+kubectl describe node ${NODE_NAME}
+```
+
+## 查看日志
+
+此时，如果还不能确定问题在哪儿，就需要您进一步到相关的机器上查询集群组件的日志了。
+
+如果您参考 www.kuboard.cn 上的 kubernetes 安装文档安装的集群，或者使用 kubeadm 安装的集群，可以按照如下方式查看集群各组件的日志：
+
+### 容器化的集群组件
+
+执行命令 `kubectl get pods -n kube-system` 查看所有 `kube-system` 名称空间下的容器，输出结果如下所示：
+
+```
+NAME                                          READY   STATUS        RESTARTS   AGE
+calico-kube-controllers-65b8787765-4sbhj      1/1     Running       2          51d
+calico-node-fz5t5                             1/1     Running       0          7d22h
+calico-node-lpd5d                             1/1     Running       1          34d
+calico-node-qjfqd                             1/1     Running       1          10d
+calico-node-zchvg                             1/1     Running       6          51d
+coredns-67c766df46-cbhf4                      1/1     Running       1          8d
+coredns-67c766df46-zthsk                      1/1     Running       0          7d23h
+eip-nfs-cluster-storage-6c9c7d46f4-lmxql      1/1     Running       0          7d23h
+eip-nfs-nfs-on-centos-66c4fc8fbd-rd4zh        1/1     Running       0          7d5h
+etcd-demo-master-a-1                          1/1     Running       0          8d
+kube-apiserver-demo-master-a-1                1/1     Running       0          8d
+kube-controller-manager-demo-master-a-1       1/1     Running       1          8d
+kube-proxy-4xz9h                              1/1     Running       1          8d
+kube-proxy-5kljb                              1/1     Running       1          8d
+kube-proxy-wmzlq                              1/1     Running       0          7d22h
+kube-proxy-z55s9                              1/1     Running       1          8d
+kube-scheduler-demo-master-a-1                1/1     Running       0          8d
+kuboard-7d6b54b946-xmv28                      1/1     Running       0          3d3h
+kuboard-897b6487d-2bbmz                       0/1     Terminating   6          13d
+monitor-blackbox-exporter-7b97c74f8f-qcm4z    1/1     Running       0          7d4h
+monitor-grafana-7d88f4b5d7-jxphs              1/1     Running       0          7d4h
+monitor-kube-state-metrics-555b9cd949-hthlr   2/2     Running       0          7d4h
+monitor-prometheus-6768d469b5-cmn9j           1/1     Running       0          7d4h
+monitor-prometheus-node-exporter-dsfnl        1/1     Running       0          7d4h
+monitor-prometheus-node-exporter-l5dbs        1/1     Running       0          7d4h
+monitor-prometheus-node-exporter-t7d24        1/1     Running       0          7d4h
+monitor-prometheus-node-exporter-z9ht5        1/1     Running       0          7d4h
+```
+
+其中，`kube-` 开头的 Pod 都是 Kubernetes 集群的系统级组件，`calico-` 开头是的 calico 网络插件，`etcd-` 开头的是 etcd，`coredns-` 开头的是 DNS 插件。
+
+假设您认为 apiserver 可能有故障，则，可以执行以下命令以查看其日志
+
+``` sh
+kubectl logs -f kube-apiserver-demo-master-a-1 -n kube-system
+```
+
+### kubelet 的日志
+
+执行命令 `service kubelet status` 可查看 kubelet 的运行状态，如下所示：
+
+如果您的 kubelet 运行状态不是 `active (running)`，那么您需要进一步查看 kubelet 的日志。
+
+``` {6}
+Redirecting to /bin/systemctl status kubelet.service
+● kubelet.service - kubelet: The Kubernetes Node Agent
+   Loaded: loaded (/usr/lib/systemd/system/kubelet.service; enabled; vendor preset: disabled)
+  Drop-In: /usr/lib/systemd/system/kubelet.service.d
+           └─10-kubeadm.conf
+   Active: active (running) since Wed 2019-10-02 22:06:37 CST; 1 weeks 1 days ago
+     Docs: https://kubernetes.io/docs/
+ Main PID: 633 (kubelet)
+    Tasks: 18
+   Memory: 213.2M
+   CGroup: /system.slice/kubelet.service
+           └─633 /usr/bin/kubelet --bootstrap-kubeconfig=/etc/kubernetes/bootstrap-kubelet.conf --kubeconfig=/etc/kubernetes/kubelet.conf --config=/var/lib/kubelet/config.yaml --cgroup-driver=systemd --network-plugin=cni --...
+```
+
+执行命令以下命令可以查看 kubelet 的日志：
+``` sh
+journalctl -u kubelet
+```
+
+## 集群故障的常见原因
+
+此处罗列了一部分 kubernetes 集群常见的故障原因以及应对办法：
+
+可能的 Root causes：
+
+* 虚拟机（或所在物理机）停机
+* 集群内部发生网络不通的情况，或者集群和用户之间网络不通
+* Kubernetes 系统组件崩溃
+* 数据丢失，或持久化存储不可用
+* 运维人员的人为错误，例如，错误地配置了 Kubernetes 或者 Kubernetes 上部署的应用程序
+
+具体的故障场景有：
+
+* Apiserver 所在虚拟机 shotdown 或者 apiserver 崩溃
+  * 导致的结果：
+    * 不能创建、停止、更新 Pod、Service、Deployment等
+    * 已有的 Pod 和 Service 仍然能够正常工作，除非该 Pod 或 Service 需要调用 Kubernetes 的接口，例如 Kubernetes Dashboard 和 Kuboard
+* Apiserver 的后端数据丢失
+  * 导致的结果：
+    * apiserver 将不能再启动
+    * 已有的 Pod 和 Service 仍然能够正常工作，除非该 Pod 或 Service 需要调用 Kubernetes 的接口，例如 Kubernetes Dashboard 和 Kuboard
+    * 需要手工恢复（或重建） apiserver 的数据才能启动 apiserver
+* 其他 Master 组件崩溃
+  * 导致的结果和 apiserver 相同
+* 个别节点（虚拟机或物理机）停机
+  * 导致的结果
+    * 该节点上的所有 Pod 不再运行
+* 网络分片
+  * 导致的结果
+    * 区域A认为区域B中的节点已死机；区域B认为区域A中的 apiserver 已死机（假设apiserver在区域A）
+* kubelet 软件故障
+  * 导致的结果
+    * 已崩溃的 Kubelet 不能在该节点上再创建新的 Pod
+    * kubelet 有可能错误地删除了 Pod
+    * 节点被标记为 `unhealthy`
+    * Deployment/ReplicationController 在其他节点创建新的 Pod
+* 集群管理员的人为错误
+  * 导致的结果
+    * 丢失 Pod、Service 等
+    * 丢失 apiserver 的数据
+    * 用户不能访问接口
+    * 等等...
+
+## 应对办法：
+
+* Action： 使用 IaaS 供应商提供的自动重启虚拟机的功能
+  * 应对问题：Apiserver 所在虚拟机停机或者 apiserver 崩溃
+  * 应对问题：其他 Master 组件崩溃
+
+* Action： 为 apiserver + etcd 使用 IaaS 供应商提供的稳定可靠的持久化存储
+  * 应对问题： Apiserver 的后端数据丢失
+
+* Action： 使用高可用配置，参考 [安装Kubernetes高可用](/install/install-kubernetes.html)
+  * 应对问题：Apiserver 所在虚拟机 shotdown 或者 apiserver 崩溃
+  * 应对问题：其他 Master 组件崩溃
+  * 应对问题：个别节点（虚拟机或物理机）停机
+
+* Action：周期性的为 apiserver 的 etcd 所使用的数据卷创建磁盘快照（Snapshot）
+  * 应对问题：Apiserver 的后端数据丢失
+  * 应对问题：集群管理员的人为错误
+  * 应对问题：kubelet 软件故障
+
+* Action：使用Deployment/StatefulSet/DaemonSet 等控制器，而不是直接创建 Pod
+  * 应对问题：个别节点（虚拟机或物理机）停机
+  * 应对问题：kubelet 软件故障
+
+* Action：[Kubernetes联邦](https://kubernetes.io/docs/concepts/cluster-administration/federation/) （避免将有风险的操作一次性应用到所有集群）
+  * 应对问题：上述所有问题
+
+<!-- FIXME 联邦 -->