排查 CSE 错误导致的节点未就绪故障

本文可帮助你排查以下情况：由于自定义脚本扩展 (CSE) 错误，Microsoft Azure Kubernetes 服务 (AKS) 群集未处于Succeeded状态，并且 AKS 节点在节点池中未准备就绪。

先决条件

• Azure CLI

症状

由于 CSE 错误，AKS 群集节点在节点池中未准备就绪，并且 AKS 群集未处于状态 Succeeded 。

原因

预配 kubelet 和其他组件时，节点扩展部署失败并返回多个错误代码。 这是最常见的错误原因。 若要验证在预配 kubelet 时节点扩展部署是否失败，请执行以下步骤：

1. 若要更好地了解群集上的当前故障，请运行 az aks show 和 az resource update 命令以设置调试：

   clusterResourceId=$(az aks show \
       --resource-group <resource-group-name> --name <cluster-name> --output tsv --query id)
   az resource update --debug --verbose --ids $clusterResourceId
   

2. 根据 GitHub 上的 CSE 帮助程序可执行文件中的错误列表，检查从 az resource update 命令收到的调试输出和错误消息。

如果任何错误涉及 kubelet 的 CSE 部署，则你已验证此处所述的方案是节点未就绪失败的原因。

通常，退出代码标识导致失败的特定问题。 例如，你将看到“无法与 API 服务器通信”或“无法连接到 Internet”等消息。或者，退出代码可能会提醒你 API 网络超时或需要更换的节点故障。

解决方案 1：确保正确配置自定义 DNS 服务器

设置自定义域名系统 (DNS) 服务器，以便它可以正确进行名称解析。 配置服务器以满足以下要求：

• 如果使用的是自定义 DNS 服务器，请确保服务器正常运行且可通过网络访问。

• 确保自定义 DNS 服务器具有 Azure DNS IP 地址 (所需的条件转发器 ，或具有指向该地址) 的转发器。

• 如果专用 AKS DNS 区域托管在 Azure 上，请确保将其链接到自定义 DNS 虚拟网络。

• 不要将 Azure DNS IP 地址与自定义 DNS 服务器的 IP 地址一起使用。 不建议这样做。

• 避免在 DNS 设置中使用 IP 地址而不是 DNS 服务器。 可以使用 Azure CLI 命令在虚拟机 (VM) 规模集或可用性集上检查这种情况。

  • 对于 VM 规模集节点，请使用 az vmss run-command invoke 命令：

    az vmss run-command invoke \
        --resource-group <resource-group-name> \
        --name <vm-scale-set-name> \
        --command-id RunShellScript \
        --instance-id 0 \
        --output tsv \
        --query "value[0].message" \
        --scripts "telnet <dns-ip-address> 53"
    az vmss run-command invoke \
        --resource-group <resource-group-name> \
        --name <vm-scale-set-name> \
        --instance-id 0 \
        --command-id RunShellScript \
        --output tsv \
        --query "value[0].message" \
        --scripts "nslookup <api-fqdn> <dns-ip-address>"
    

  • 对于 VM 可用性集节点，请使用 az vm run-command invoke 命令：

    az vm run-command invoke \
        --resource-group <resource-group-name> \
        --name <vm-availability-set-name> \
        --command-id RunShellScript \
        --output tsv \
        --query "value[0].message" \
        --scripts "telnet <dns-ip-address> 53"
    az vm run-command invoke \
        --resource-group <resource-group-name> \
        --name <vm-availability-set-name> \
        --command-id RunShellScript \
        --output tsv \
        --query "value[0].message" \
        --scripts "nslookup <api-fqdn> <dns-ip-address>"
    

有关详细信息，请参阅 Azure 虚拟网络和中心中的资源的名称解析，并使用自定义 DNS 进行分支。

解决方案 2：修复 API 网络超时

确保可以访问 API 服务器，并且不会受到延迟。 为此，请按照下列步骤操作：

• 检查 AKS 子网，查看分配的网络安全组 (NSG) 是否阻止了到 API 服务器的出口流量端口 443。

• 检查节点本身，查看节点是否有另一个阻止流量的 NSG。

• 检查 AKS 子网中是否有任何分配的路由表。 如果路由表中的网络虚拟设备 (NVA) 或防火墙，请确保端口 443 可用于出口流量。 有关详细信息，请参阅 控制 AKS 中群集节点的出口流量。

• 如果 DNS 成功解析名称并且 API 可访问，但节点 CSE 因 API 超时而失败，请执行下表所示的相应操作。

  设置类型	操作
  VM 可用性集	使用 kubectl delete node 命令从 Azure 门户 和 AKS API 中删除节点，然后再次纵向扩展群集。
  VM 规模集	重置节点映像或删除节点，然后再次纵向扩展群集。

• 如果 AKS API 服务器限制请求，请升级到更高的服务层。 有关详细信息，请参阅 AKS 运行时间 SLA。

更多信息

• 有关常规故障排除步骤，请参阅 节点未就绪故障的基本故障排除。