K8s Pod CrashLoopBackOff：從映像建構到探針配置的排查過程

K8s Pod CrashLoopBackOff：從映像建構到探針配置的排查過程

🌟 嗨，我是摘星！
🌈 在彩虹般絢爛的技術棧中，我是那個永不停歇的色彩收集者。
🦋 每一個優化都是我培育的花朵，每一個特性都是我放飛的蝴蝶。
🔬 每一次代碼審查都是我的顯微鏡觀察，每一次重構都是我的化學實驗。
🎵 在編程的交響樂中，我既是指揮家也是演奏者。讓我們一起，在技術的音樂廳裡，奏響屬於程式設計師的華美樂章。

摘要

作為一名在雲原生領域摸爬滾打多年的工程師，我深知 CrashLoopBackOff 是 Kubernetes 運維中最令人頭疼的問題之一。這個看似簡單的狀態背後，往往隱藏著複雜的技術細節和多層次的故障原因。在我的實際工作中，遇到過無數次 Pod 反復重啟的場景，從最初的手忙腳亂到現在的有條不紊，這個過程讓我深刻理解了容器化應用的生命週期管理。

CrashLoopBackOff 狀態表示 Pod 中的容器反復崩潰並重啟，Kubernetes 會採用指數退避策略來延長重啟間隔，避免資源浪費。但這個狀態的觸發原因卻千差萬別：可能是映像建構時的基礎環境問題，可能是應用代碼的邏輯錯誤，也可能是資源限制配置不當，更可能是健康檢查探針的配置失誤。

在我處理過的案例中，最複雜的一次涉及到微服務架構下的依賴鏈問題。一個看似獨立的服務因為資料庫連線池配置錯誤，導致啟動時間過長，而我們設定的 livenessProbe 超时时間過短，形成了惡性循環。這個問題的排查過程讓我意識到，解決 CrashLoopBackOff 不僅需要技術功底，更需要系統性的思維和全鏈路的分析能力。

本文將基於我的實戰經驗，從映像建構的底層細節開始，逐步深入到容器運行時環境、資源配置、健康檢查機制等各個層面，為大家提供一套完整的 CrashLoopBackOff 問題排查方法論。我會通過具體的代碼示例、配置檔和排查命令，幫助大家建立起系統性的問題解決思路，讓這個令人頭疼的問題變得可控可解。

1. CrashLoopBackOff 狀態機制深度解析

1.1 狀態轉換機制

CrashLoopBackOff 是 Kubernetes 中一個特殊的 Pod 狀態，它表示容器在反復崩潰和重啟。理解其狀態轉換機制是排查問題的基礎。

# Pod 狀態示例
apiVersion: v1
kind: Pod
metadata:
  name: crash-demo
spec:
  containers:
  - name: app
    image: nginx:latest
    command: ["/bin/sh"]
    args: ["-c", "exit 1"]  # 故意讓容器退出
  restartPolicy: Always

# 查看 Pod 狀態變化
kubectl get pods -w
# 輸出示例：
# NAME         READY   STATUS             RESTARTS   AGE
# crash-demo   0/1     CrashLoopBackOff   5          5m

Kubernetes 采用指數退避算法來控制重啟間隔：

// 重啟延遲計算邏輯（簡化版）
func calculateBackoffDelay(restartCount int) time.Duration {
    // 基礎延遲 10 秒
    baseDelay := 10 * time.Second
    // 最大延遲 5 分鐘
    maxDelay := 300 * time.Second

    // 指數退避：10s, 20s, 40s, 80s, 160s, 300s...
    delay := baseDelay * time.Duration(1 << uint(restartCount))
    if delay > maxDelay {
        delay = maxDelay
    }
    return delay
}

1.2 重啟策略影響

不同的重啟策略會影響 CrashLoopBackOff 的行為：

# 重啟策略對比配置
apiVersion: v1
kind: Pod
metadata:
  name: restart-policy-demo
spec:
  # Always: 總是重啟（預設）
  # OnFailure: 僅在失敗時重啟
  # Never: 從不重啟
  restartPolicy: Always
  containers:
  - name: app
    image: busybox
    command: ["sh", "-c", "echo 'Starting...' && sleep 30 && exit 1"]

圖1：Pod 狀態轉換流程圖

2. 映像建構層面的问题排查

2.1 基礎映像選擇與建構優化

映像建構是容器運行的基礎，錯誤的基礎映像選擇或建構配置常常是 CrashLoopBackOff 的根源。

# 問題示例：使用了不兼容的基礎映像
FROM alpine:3.18
COPY app /usr/local/bin/app
CMD ["/usr/local/bin/app"]

# 問題：Alpine 使用 musl libc，而應用可能是基於 glibc 編譯的

# 優化後的 Dockerfile
FROM ubuntu:20.04 as builder

# 安裝建構依賴
RUN apt-get update && apt-get install -y \
    gcc \
    libc6-dev \
    && rm -rf /var/lib/apt/lists/*

# 編譯應用
COPY src/ /src/
WORKDIR /src
RUN gcc -o app main.c

# 多階段建構，減小映像體積
FROM ubuntu:20.04
RUN apt-get update && apt-get install -y \
    ca-certificates \
    && rm -rf /var/lib/apt/lists/* \
    && groupadd -r appuser \
    && useradd -r -g appuser appuser

COPY --from=builder /src/app /usr/local/bin/app
RUN chmod +x /usr/local/bin/app

# 使用非 root 使用者運行
USER appuser
EXPOSE 8080

# 添加健康檢查
HEALTHCHECK --interval=30s --timeout=3s --start-period=5s --retries=3 \
    CMD curl -f http://localhost:8080/health || exit 1

CMD ["/usr/local/bin/app"]

2.2 映像建構驗證腳本

#!/bin/bash
# build-and-test.sh - 映像建構驗證腳本
set -e
IMAGE_NAME="myapp:latest"
CONTAINER_NAME="test-container"

echo "🔨 建構映像..."
docker build -t $IMAGE_NAME .

echo "🧪 測試映像基本功能..."
# 測試容器能否正常啟動
docker run --name $CONTAINER_NAME -d $IMAGE_NAME

# 等待容器啟動
sleep 5

# 檢查容器狀態
if docker ps | grep -q $CONTAINER_NAME; then
    echo "✅ 容器啟動成功"
else
    echo "❌ 容器啟動失敗"
    docker logs $CONTAINER_NAME
    exit 1
fi

# 測試健康檢查
echo "🏥 測試健康檢查..."
for i in {1..10}; do
    if docker exec $CONTAINER_NAME curl -f http://localhost:8080/health; then
        echo "✅ 健康檢查通過"
        break
    else
        echo "⏳ 等待應用啟動... ($i/10)"
        sleep 3
    fi
done

# 清理測試容器
docker stop $CONTAINER_NAME
docker rm $CONTAINER_NAME
echo "🎉 映像建構驗證完成"

# .github/workflows/image-scan.yml
name: Image Security Scan
on:
  push:
    branches: [main]
  pull_request:
    branches: [main]

jobs:
  scan:
    runs-on: ubuntu-latest
    steps:
    - uses: actions/checkout@v3
    - name: Build image
      run: docker build -t myapp:${{ github.sha }} .
    - name: Run Trivy vulnerability scanner
      uses: aquasecurity/trivy-action@master
      with:
        image-ref: 'myapp:${{ github.sha }}'
        format: 'sarif'
        output: 'trivy-results.sarif'
    - name: Upload Trivy scan results
      uses: github/codeql-action/upload-sarif@v2
      with:
        sarif_file: 'trivy-results.sarif'

圖2：映像建構流程架構圖

3. 容器運行時環境問題分析

3.1 資源限制配置

資源限制配置不當是導致 CrashLoopBackOff 的常見原因，特別是內存限制過低或 CPU 限制過嚴格。

# 資源配置示例
apiVersion: apps/v1
kind: Deployment
metadata:
  name: resource-demo
spec:
  replicas: 3
  selector:
    matchLabels:
      app: resource-demo
  template:
    metadata:
      labels:
        app: resource-demo
    spec:
      containers:
      - name: app
        image: myapp:latest
        resources:
          requests:
            # 請求資源：調度時的最小保證
            memory: "128Mi"
            cpu: "100m"
          limits:
            # 限制資源：運行時的最大允許
            memory: "512Mi"
            cpu: "500m"
        env:
        - name: JAVA_OPTS
          value: "-Xmx400m -Xms128m"  # JVM 堆內存不能超過容器內存限制

3.2 環境變量與配置管理

# ConfigMap 配置管理
apiVersion: v1
kind: ConfigMap
metadata:
  name: app-config
data:
  application.properties: |
    server.port=8080
    spring.datasource.url=jdbc:mysql://mysql:3306/mydb
    spring.datasource.username=user
    spring.datasource.password=password
    logging.level.root=INFO

---
apiVersion: v1
kind: Secret
metadata:
  name: app-secrets
type: Opaque
data:
  db-password: cGFzc3dvcmQ=
  api-key: YWJjZGVmZ2hpams=

apiVersion: apps/v1
kind: Deployment
metadata:
  name: app-with-config
spec:
  template:
    spec:
      containers:
      - name: app
        image: myapp:latest
        envFrom:
        - configMapRef:
            name: app-config
        - secretRef:
            name: app-secrets
        volumeMounts:
        - name: config-volume
          mountPath: /etc/config
        - name: secret-volume
          mountPath: /etc/secrets
          readOnly: true
      volumes:
      - name: config-volume
        configMap:
          name: app-config
      - name: secret-volume
        secret:
          secretName: app-secrets

3.3 啟動順序與依賴管理

# Init Container 處理依賴
apiVersion: apps/v1
kind: Deployment
metadata:
  name: app-with-deps
spec:
  template:
    spec:
      initContainers:
      # 等待資料庫就緒
      - name: wait-for-db
        image: busybox:1.35
        command: ['sh', '-c']
        args:
        - |
          echo "等待資料庫啟動..."
          until nc -z mysql 3306; do
            echo "資料庫未就緒，等待 5 秒..."
            sleep 5
          done
          echo "資料庫已就緒"
      # 資料庫遷移
      - name: db-migration
        image: migrate/migrate:v4.15.2
        command: ["/migrate"]
        args:
        - "-path=/migrations"
        - "-database=mysql://user:password@mysql:3306/mydb"
        - "up"
        volumeMounts:
        - name: migrations
          mountPath: /migrations
      containers:
      - name: app
        image: myapp:latest
        # 應用容器配置...
      volumes:
      - name: migrations
        configMap:
          name: db-migrations

圖3：容器資源使用分布餅圖

4. 健康檢查探針配置優化

4.1 探針類型與配置策略

Kubernetes 提供三種類型的探針，每種都有其特定的用途和配置要點。

# 完整的探針配置示例
apiVersion: apps/v1
kind: Deployment
metadata:
  name: probe-demo
spec:
  template:
    spec:
      containers:
      - name: app
        image: myapp:latest
        ports:
        - containerPort: 8080

        # 啟動探針：確保容器成功啟動
        startupProbe:
          httpGet:
            path: /actuator/health/readiness
            port: 8080
          initialDelaySeconds: 10    # 首次檢查延遲
          periodSeconds: 5           # 檢查間隔
          timeoutSeconds: 3          # 超时时間
          failureThreshold: 30       # 失敗閾值（總啟動時間 = 30 * 5 = 150s）
          successThreshold: 1        # 成功閾值

        # 存活探針：檢測容器是否需要重啟
        livenessProbe:
          httpGet:
            path: /actuator/health/liveness
            port: 8080
          initialDelaySeconds: 30
          periodSeconds: 10
          timeoutSeconds: 5
          failureThreshold: 3        # 連續 3 次失敗後重啟
          successThreshold: 1

        # 就緒探針：檢測容器是否準備好接收流量
        readinessProbe:
          httpGet:
            path: /actuator/health/readiness
            port: 8080
          initialDelaySeconds: 5
          periodSeconds: 5
          timeoutSeconds: 3
          failureThreshold: 3
          successThreshold: 1

4.2 自定義健康檢查端點

// Spring Boot 健康檢查實現
@RestController
@RequestMapping("/actuator/health")
public class HealthController {
    @Autowired
    private DatabaseHealthIndicator databaseHealth;

    @Autowired
    private RedisHealthIndicator redisHealth;

    // 存活探針端點 - 檢查應用基本功能
    @GetMapping("/liveness")
    public ResponseEntity<Map<String, Object>> liveness() {
        Map<String, Object> response = new HashMap<>();
        try {
            // 檢查關鍵組件狀態
            boolean isHealthy = checkCriticalComponents();
            if (isHealthy) {
                response.put("status", "UP");
                response.put("timestamp", Instant.now());
                return ResponseEntity.ok(response);
            } else {
                response.put("status", "DOWN");
                response.put("reason", "Critical component failure");
                return ResponseEntity.status(503).body(response);
            }
        } catch (Exception e) {
            response.put("status", "DOWN");
            response.put("error", e.getMessage());
            return ResponseEntity.status(503).body(response);
        }
    }

    // 就緒探針端點 - 檢查是否準備好處理請求
    @GetMapping("/readiness")
    public ResponseEntity<Map<String, Object>> readiness() {
        Map<String, Object> response = new HashMap<>();
        Map<String, String> checks = new HashMap<>();

        // 檢查資料庫連線
        boolean dbReady = databaseHealth.isHealthy();
        checks.put("database", dbReady ? "UP" : "DOWN");

        // 檢查 Redis 連線
        boolean redisReady = redisHealth.isHealthy();
        checks.put("redis", redisReady ? "UP" : "DOWN");

        // 檢查外部依賴
        boolean externalReady = checkExternalDependencies();
        checks.put("external", externalReady ? "UP" : "DOWN");

        boolean allReady = dbReady && redisReady && externalReady;

        response.put("status", allReady ? "UP" : "DOWN");
        response.put("checks", checks);
        response.put("timestamp", Instant.now());

        return allReady ?
            ResponseEntity.ok(response) :
            ResponseEntity.status(503).body(response);
    }

    private boolean checkCriticalComponents() {
        // 檢查 JVM 內存使用率
        MemoryMXBean memoryBean = ManagementFactory.getMemoryMXBean();
        MemoryUsage heapUsage = memoryBean.getHeapMemoryUsage();
        double memoryUsageRatio = (double) heapUsage.getUsed() / heapUsage.getMax();

        if (memoryUsageRatio > 0.9) {
            log.warn("Memory usage too high: {}%", memoryUsageRatio * 100);
            return false;
        }

        return true;
    }

    private boolean checkExternalDependencies() {
        // 檢查外部 API 可用性
        try {
            RestTemplate restTemplate = new RestTemplate();
            ResponseEntity<String> response = restTemplate.getForEntity("http://external-api/health", String.class);
            return response.getStatusCode().is2xxSuccessful();
        } catch (Exception e) {
            log.warn("External API health check failed", e);
            return false;
        }
    }
}

4.3 探針配置最佳實踐

#!/bin/bash
# probe-tuning.sh - 探針配置調優腳本

# 獲取 Pod 啟動時間統計
get_startup_stats() {
    local deployment=$1
    echo "📊 分析 $deployment 的啟動時間..."

    kubectl get pods -l app=$deployment -o json | jq -r '
        .items[] | 
        select(.status.phase == "Running") |
        {
            name: .metadata.name,
            created: .metadata.creationTimestamp,
            started: (.status.containerStatuses[0].state.running.startedAt // "N/A"),
            ready: (.status.conditions[] | select(.type == "Ready") | .lastTransitionTime)
        } | 
        "\(.name): 創建=\(.created), 啟動=\(.started), 就緒=\(.ready)"
    '
}

# 分析探針失敗原因
analyze_probe_failures() {
    local pod=$1
    echo "🔍 分析 $pod 的探針失敗..."

    # 獲取事件信息
    kubectl describe pod $pod | grep -A 5 -B 5 "probe failed"

    # 獲取容器日誌
    echo "📋 容器日誌："
    kubectl logs $pod --tail=50

    # 檢查資源使用情況
    echo "💾 資源使用情況："
    kubectl top pod $pod
}

# 探針配置建議
suggest_probe_config() {
    local app_type=$1
    case $app_type in
        "spring-boot")
            cat << EOF
建議的 Spring Boot 應用探針配置：

startupProbe:
  httpGet:
    path: /actuator/health
    port: 8080
  initialDelaySeconds: 30
  periodSeconds: 10
  timeoutSeconds: 5
  failureThreshold: 18  # 3 分鐘啟動時間

livenessProbe:
  httpGet:
    path: /actuator/health/liveness
    port: 8080
  initialDelaySeconds: 60
  periodSeconds: 30
  timeoutSeconds: 10
  failureThreshold: 3

readinessProbe:
  httpGet:
    path: /actuator/health/readiness
    port: 8080
  initialDelaySeconds: 10
  periodSeconds: 5
  timeoutSeconds: 3
  failureThreshold: 3
EOF
            ;;
        "nodejs")
            cat << EOF
建議的 Node.js 應用探針配置：

startupProbe:
  httpGet:
    path: /health
    port: 3000
  initialDelaySeconds: 10
  periodSeconds: 5
  timeoutSeconds: 3
  failureThreshold: 12  # 1 分鐘啟動時間

livenessProbe:
  httpGet:
    path: /health
    port: 3000
  initialDelaySeconds: 30
  periodSeconds: 15
  timeoutSeconds: 5
  failureThreshold: 3

readinessProbe:
  httpGet:
    path: /ready
    port: 3000
  initialDelaySeconds: 5
  periodSeconds: 5
  timeoutSeconds: 3
  failureThreshold: 3
EOF
            ;;
    esac
}

# 主函數
main() {
    case $1 in
        "stats")
            get_startup_stats $2
            ;;
        "analyze")
            analyze_probe_failures $2
            ;;
        "suggest")
            suggest_probe_config $2
            ;;
        *)
            echo "用法: $0 {stats|analyze|suggest} [參數]"
            echo "  stats <deployment>     - 獲取啟動時間統計"
            echo "  analyze <pod>          - 分析探針失敗原因"
            echo "  suggest <app-type>     - 獲取探針配置建議"
            ;;
    esac
}

main "$@"

圖4：健康檢查探針時序圖

5. 系統性排查方法論

5.1 分層排查策略

建立系統性的排查方法論是快速定位 CrashLoopBackOff 問題的關鍵。

#!/bin/bash
# crash-diagnosis.sh - CrashLoopBackOff 系統性排查腳本

set -e

POD_NAME=""
NAMESPACE="default"
VERBOSE=false

# 解析命令行參數
while [[ $# -gt 0 ]]; do
    case $1 in
        -p|--pod)
            POD_NAME="$2"
            shift 2
            ;;
        -n|--namespace)
            NAMESPACE="$2"
            shift 2
            ;;
        -v|--verbose)
            VERBOSE=true
            shift
            ;;
        *)
            echo "未知參數: $1"
            exit 1
            ;;
    esac
done

if [[ -z "$POD_NAME" ]]; then
    echo "用法: $0 -p <pod-name> [-n <namespace>] [-v]"
    exit 1
fi

echo "🔍 開始排查 Pod: $POD_NAME (namespace: $NAMESPACE)"
echo "=================================================="

# 1. 基礎信息收集
collect_basic_info() {
    echo "📋 1. 收集基礎信息"
    echo "-------------------"

    # Pod 狀態
    echo "Pod 狀態:"
    kubectl get pod $POD_NAME -n $NAMESPACE -o wide

    # Pod 詳細信息
    echo -e "\nPod 詳細信息:"
    kubectl describe pod $POD_NAME -n $NAMESPACE

    # 重啟次數統計
    echo -e "\n重啟統計:"
    kubectl get pod $POD_NAME -n $NAMESPACE -o jsonpath='{.status.containerStatuses[*].restartCount}' | \
        awk '{print "重啟次數: " $1}'
}

# 2. 日誌分析
analyze_logs() {
    echo -e "\n📝 2. 日誌分析"
    echo "---------------"

    # 當前容器日誌
    echo "當前容器日誌 (最近 50 行):"
    kubectl logs $POD_NAME -n $NAMESPACE --tail=50

    # 前一個容器日誌（如果存在）
    echo -e "\n前一個容器日誌 (最近 50 行):"
    kubectl logs $POD_NAME -n $NAMESPACE --previous --tail=50 2>/dev/null || \
        echo "無前一個容器日誌"
}

# 3. 資源使用分析
analyze_resources() {
    echo -e "\n💾 3. 資源使用分析"
    echo "-------------------"

    # 資源配置
    echo "資源配置:"
    kubectl get pod $POD_NAME -n $NAMESPACE -o jsonpath='{.spec.containers[*].resources}' | jq .

    # 實際資源使用
    echo -e "\n實際資源使用:"
    kubectl top pod $POD_NAME -n $NAMESPACE 2>/dev/null || \
        echo "無法獲取資源使用數據（需要 metrics-server）"

    # 節點資源狀態
    NODE=$(kubectl get pod $POD_NAME -n $NAMESPACE -o jsonpath='{.spec.nodeName}')
    if [[ -n "$NODE" ]]; then
        echo -e "\n節點 $NODE 資源狀態:"
        kubectl describe node $NODE | grep -A 5 "Allocated resources"
    fi
}

# 4. 網絡連接檢查
check_network() {
    echo -e "\n🌐 4. 網絡連接檢查"
    echo "-------------------"

    # Service 配置
    echo "相關 Service:"
    kubectl get svc -n $NAMESPACE --field-selector metadata.name=$POD_NAME 2>/dev/null || \
        echo "未找到對應的 Service"

    # Endpoint 狀態
    echo -e "\nEndpoint 狀態:"
    kubectl get endpoints -n $NAMESPACE 2>/dev/null | grep $POD_NAME || \
        echo "未找到對應的 Endpoints"

    # 網絡策略
    echo -e "\n網絡策略:"
    kubectl get networkpolicy -n $NAMESPACE 2>/dev/null || \
        echo "未配置網絡策略"
}

# 5. 配置檢查
check_configuration() {
    echo -e "\n⚙️ 5. 配置檢查"
    echo "----------------"

    # ConfigMap
    echo "ConfigMap:"
    kubectl get configmap -n $NAMESPACE 2>/dev/null | head -10

    # Secret
    echo -e "\nSecret:"
    kubectl get secret -n $NAMESPACE 2>/dev/null | head -10

    # 環境變量
    echo -e "\n環境變量:"
    kubectl get pod $POD_NAME -n $NAMESPACE -o jsonpath='{.spec.containers[*].env}' | jq .
}

# 6. 事件分析
analyze_events() {
    echo -e "\n📅 6. 事件分析"
    echo "---------------"

    # Pod 相關事件
    echo "Pod 相關事件:"
    kubectl get events -n $NAMESPACE --field-selector involvedObject.name=$POD_NAME \
        --sort-by='.lastTimestamp' | tail -20

    # 節點相關事件
    NODE=$(kubectl get pod $POD_NAME -n $NAMESPACE -o jsonpath='{.spec.nodeName}')
    if [[ -n "$NODE" ]]; then
        echo -e "\n節點 $NODE 相關事件:"
        kubectl get events --field-selector involvedObject.name=$NODE \
            --sort-by='.lastTimestamp' | tail -10
    fi
}

# 7. 生成診斷報告
generate_report() {
    echo -e "\n📊 7. 診斷建議"
    echo "==============="

    # 分析重啟原因
    RESTART_COUNT=$(kubectl get pod $POD_NAME -n $NAMESPACE -o jsonpath='{.status.containerStatuses[0].restartCount}')
    LAST_STATE=$(kubectl get pod $POD_NAME -n $NAMESPACE -o jsonpath='{.status.containerStatuses[0].lastState}')

    echo "重啟次數: $RESTART_COUNT"
    echo "最後狀態: $LAST_STATE"

    # 常見問題檢查
    echo -e "\n🔧 常見問題檢查:"

    # 檢查映像拉取
    IMAGE_PULL_POLICY=$(kubectl get pod $POD_NAME -n $NAMESPACE -o jsonpath='{.spec.containers[0].imagePullPolicy}')
    echo "- 映像拉取策略: $IMAGE_PULL_POLICY"

    # 檢查探針配置
    LIVENESS_PROBE=$(kubectl get pod $POD_NAME -n $NAMESPACE -o jsonpath='{.spec.containers[0].livenessProbe}')
    if [[ -n "$LIVENESS_PROBE" ]]; then
        echo "- 存活探針: 已配置"
    else
        echo "- 存活探針: 未配置"
    fi

    READINESS_PROBE=$(kubectl get pod $POD_NAME -n $NAMESPACE -o jsonpath='{.spec.containers[0].readinessProbe}')
    if [[ -n "$READINESS_PROBE" ]]; then
        echo "- 就緒探針: 已配置"
    else
        echo "- 就緒探針: 未配置"
    fi

    # 資源限制檢查
    MEMORY_LIMIT=$(kubectl get pod $POD_NAME -n $NAMESPACE -o jsonpath='{.spec.containers[0].resources.limits.memory}')
    CPU_LIMIT=$(kubectl get pod $POD_NAME -n $NAMESPACE -o jsonpath='{.spec.containers[0].resources.limits.cpu}')

    if [[ -n "$MEMORY_LIMIT" ]]; then
        echo "- 內存限制: $MEMORY_LIMIT"
    else
        echo "- 內存限制: 未設置（可能導致 OOM）"
    fi

    if [[ -n "$CPU_LIMIT" ]]; then
        echo "- CPU 限制: $CPU_LIMIT"
    else
        echo "- CPU 限制: 未設置"
    fi
}

# 主執行流程
main() {
    collect_basic_info
    analyze_logs
    analyze_resources
    check_network
    check_configuration
    analyze_events
    generate_report

    echo -e "\n✅ 排查完成！"
    echo "建議根據以上信息分析問題原因，並參考相應的解決方案。"
}

# 執行主函數
main

5.2 問題分類與解決方案矩陣

5.3 自動化修復腳本

#!/bin/bash
# auto-fix.sh - 自動修復常見 CrashLoopBackOff 問題

fix_common_issues() {
    local deployment=$1
    local namespace=${2:-default}
    echo "🔧 嘗試自動修復 $deployment 的常見問題..."

    # 1. 增加資源限制
    echo "1. 調整資源限制..."
    kubectl patch deployment $deployment -n $namespace -p '{
        "spec": {
            "template": {
                "spec": {
                    "containers": [{
                        "name": "'$deployment'",
                        "resources": {
                            "requests": {
                                "memory": "256Mi",
                                "cpu": "200m"
                            },
                            "limits": {
                                "memory": "512Mi",
                                "cpu": "500m"
                            }
                        }
                    }]
                }
            }
        }
    }'

    # 2. 調整探針配置
    echo "2. 優化探針配置..."
    kubectl patch deployment $deployment -n $namespace -p '{
        "spec": {
            "template": {
                "spec": {
                    "containers": [{
                        "name": "'$deployment'",
                        "livenessProbe": {
                            "initialDelaySeconds": 60,
                            "periodSeconds": 30,
                            "timeoutSeconds": 10,
                            "failureThreshold": 5
                        },
                        "readinessProbe": {
                            "initialDelaySeconds": 10,
                            "periodSeconds": 5,
                            "timeoutSeconds": 3,
                            "failureThreshold": 3
                        }
                    }]
                }
            }
        }
    }'

    # 3. 添加啟動探針
    echo "3. 添加啟動探針..."
    kubectl patch deployment $deployment -n $namespace -p '{
        "spec": {
            "template": {
                "spec": {
                    "containers": [{
                        "name": "'$deployment'",
                        "startupProbe": {
                            "httpGet": {
                                "path": "/actuator/health",
                                "port": 8080
                            },
                            "initialDelaySeconds": 10,
                            "periodSeconds": 5,
                            "timeoutSeconds": 3,
                            "failureThreshold": 5
                        }
                    }]
                }
            }
        }
    }'

    echo "✅ 自動修復完成！"
}

# 主函數
main() {
    if [[ $# -lt 1 ]]; then
        echo "用法: $0 <deployment-name> [namespace]"
        exit 1
    fi
    fix_common_issues $1 $2
}

# 執行主函數
main "$@"

原文出處：https://juejin.cn/post/7545338825502130212