使用 Kubernetes API 對工作者節點進行除錯

如果您具有叢集的存取權，則可以在 Node 資源上使用 Kubernetes API 對工作者節點進行除錯。

在開始之前，請確定您在所有命名空間中擁有 Manager 服務存取角色，或群集的 Administrator 平台角色，該角色對應於 cluster-admin RBAC 角色。

存取您的 Red Hat OpenShift 叢集。
列出叢集裡的工作者節點，並記下不在 Ready STATUS 中之工作者節點的 NAME。請注意，NAME 是工作者節點的專用 IP 位址。
```
oc get nodes
```
說明每一個工作者節點，並檢閱輸出中的 Conditions 區段。
- Type: 可能影響工作者節點的狀況類型，例如記憶體或磁碟壓力。
- LastTransitionTime: 最近更新狀態的時間。使用此時間來識別工作者節點問題開始的時間，這可協助您進一步對問題進行疑難排解。
```
oc describe node <name>
```
檢查工作節點的使用情況。
1. 在前一個指令的 Allocated resources 輸出中，檢閱使用工作者節點 CPU 及記憶體資源的工作量。您可能會注意到部分 Pod 未設定資源限制，且耗用的資源超出預期。如果是這樣，請調整 Pod 的資源使用情形。
2. 檢閱叢集中工作者節點的 CPU 及記憶體使用率百分比。如果使用率持續超過 80%，請將更多工作者節點新增至叢集，以支援工作負載。
檢查叢集裡安裝的自訂許可控制器。許可控制器通常會封鎖必要的 Pod 執行，這可能會讓工作者節點進入嚴重狀態。如果您有自訂許可控制器，請嘗試使用 oc delete 移除它們。然後，檢查工作者節點問題是否已解決。
```
kubectl get mutatingwebhookconfigurations --all-namespaces
```
```
kubectl get validatingwebhookconfigurations --all-namespaces
```
如果您已配置日誌轉遞，請從下列路徑檢閱節點相關日誌。
```
/var/log/kubelet.log
/var/log/syslog
/var/log/messages
```
請檢查工作量部署是否不會導致工作者節點問題。
1. 使用問題來污染工作者節點。
```
oc taint node NODEIP ibm-cloud-debug-isolate-customer-workload=true:NoExecute
```
2. 請確定您已依照步驟 5 的說明來刪除任何自訂許可控制器。
3. 重新啟動工作者節點。
  - 經典：重新載入 Worker 節點。
```
ibmcloud oc worker reload -c <cluster_name_or_ID> --worker <worker_ID>
```
  - VPC：更換工作站節點。
```
ibmcloud oc worker replace -c <cluster_name_or_ID> --worker <worker_ID> --update
```
4. 等待工作者節點完成重新啟動。如果工作者節點進入健全狀態，則問題可能是工作負載所造成。
5. 在工作者節點上一次排定一個工作量，以查看導致問題的工作量。若要排定工作量，請新增下列容錯。
```
tolerations:
- effect: NoExecute
  key: ibm-cloud-debug-isolate-customer-workload
  operator: Exists
```
6. 在您識別導致問題的工作負載之後，請繼續對應用程式部署進行除錯。