k8s 开船记-触礁：四涡轮发动机撞坏3个引发502故障团队

（图片来自网络）

非常抱歉，这次开船触礁故障给您带来麻烦了，请您谅解。

在我们昨天发布 k8s 开船记首航博文后，有园友在评论中发来贺词——“泰坦尼克号出发了[狗头]”，借此吉言，今天船就触礁了，还好不是冰山。在触礁后，我们收到了唯一一封贺电，贺电署名——“隔壁正在打酱油的 docker swarm 集群”。

触礁时间发生在今天上午 10:18~10:30 左右，当时航行用的是四涡轮发动机（4个nodes）。

10:18 左右开始，3与4号发动机（k8s-n3与k8s-n4节点）被撞坏熄火，重新点火屡屡失败（重启 blog-web pod 失败），syslog 错误日志如下。

Dec 14 10:18:01 k8s-n3 kubelet[702]: E1214 10:18:01.739352     702 pod_workers.go:191] 
Error syncing pod 9b27ac6f-5518-4e12-862f-63b1254457d2 ("blog-web-r4zld_production(9b27ac6f-5518-4e12-862f-63b1254457d2)"), skipping: failed to "StartContainer" for "blog-web" with CrashLoopBackOff: "back-off 2m40s restarting failed container=blog-web pod=blog-web-r4zld_production(9b27ac6f-5518-4e12-862f-63b1254457d2)

10:20 左右，2号发动机（k8s-n2）也被撞坏熄火。

Dec 14 10:20:12 k8s-n2 kubelet[703]: E1214 10:20:12.138738     703 pod_workers.go:191] 
Error syncing pod 4ab7b193-cf0d-4a41-b83a-689d546acb2f ("blog-web-4dh84_production(4ab7b193-cf0d-4a41-b83a-689d546acb2f)"), skipping: failed to "StartContainer" for "blog-web" with CrashLoopBackOff: "back-off 2m40s restarting failed container=blog-web pod=blog-web-4dh84_production(4ab7b193-cf0d-4a41-b83a-689d546acb2f)"

唯一幸免的是1号发动机（k8s-n1），但是纵使它使尽浑身解数也无法驱动巨轮前进，于是只能停船发 502 求救信号。

我们收到求救信号后，通过下面的命令手动修改了 livenessProbe 的超时时间，daemonset 重新部署 pods 后恢复了正常。

kubectl edit daemonset blog-web

之后，我们启动了5号发动机（k8s-n5），k8s 尼克号又出发了。

对于故障原因，有待进一步排查。

blog-web daemonset 的健康检查配置：

livenessProbe:
    httpGet:
    path: /alive
    port: 80
    initialDelaySeconds: 10
    periodSeconds: 3
readinessProbe:
    exec:
    command:
        - curl
        - -H
        - 'X-Forwarded-Proto:https'
        - --resolve
        - www.cnblogs.com:80:127.0.0.1
        - www.cnblogs.com
    initialDelaySeconds: 30
    periodSeconds: 5

以下的 syslog 错误日志有待排查确认：

Dec 14 10:18:53 k8s-n2 dockerd[1045]: time="2019-12-14T10:18:53.719195677+08:00" level=info msg="Container ddf3e4ed0dd63878dd1c87cb63cfd57d712f8719fb097e6c8ef15587eb3f81da failed to exit within 30 seconds of signal 15 - using the force"

Dec 14 10:18:54 k8s-n2 dockerd[1045]: time="2019-12-14T10:18:54.008174148+08:00" level=error msg="stream copy error: reading from a closed fifo"

Dec 14 10:18:54 k8s-n2 dockerd[1045]: time="2019-12-14T10:18:54.056924047+08:00" level=error msg="Error running exec 827374c9541db5b8d69383798c961078cba8fee08d1c8b93e84622b6a9caa61c in container: OCI runtime exec failed: exec failed: container_linux.go:346: starting container process caused "process_linux.go:101: executing setns process caused \"exit status 1\"": unknown"

Dec 14 10:18:54 k8s-n2 dockerd[1045]: time="2019-12-14T10:18:54.129287298+08:00" level=warning msg="ddf3e4ed0dd63878dd1c87cb63cfd57d712f8719fb097e6c8ef15587eb3f81da cleanup: failed to unmount IPC: umount /var/lib/docker/containers/ddf3e4ed0dd63878dd1c87cb63cfd57d712f8719fb097e6c8ef15587eb3f81da/mounts/shm, flags: 0x2: no such file or directory"