如何排错运行在Kubernetes集群中的服务？

我们的前端服务以job运行。k8s的job用于执行一次性的任务，运行完毕即退出。以job方式运行的前端服务启动程序只做一件事情，将镜像中指定目录下的静态文件上传到对象存储。上传前会做一些变量替换，替换的值和对象存储的连接信息存储在Nacos中。

Nacos的连接信息通过job的环境变量注入，类似下面这样，

apiVersion: batch/v1 kind: Job metadata: name: frontend-app-web spec: template: metadata: labels: app: frontend-app-web spec: containers: - name: frontend-app-web image: harbor.example.com/frontend-app-web:3 imagePullPolicy: Always env: - name: NACOS_HOST value: nacos-cs.nacos.svc.cluster.local:8848 - name: NACOS_AUTH_USERNAME value: username - name: NACOS_AUTH_PASSWORD value: veryLongPassword restartPolicy: Never

在部署过程中，发现有一个前端服务始终卡在连接Nacos的阶段，日志如下，

起初我确定Nacos的连接信息是没有错的，但日志显示连接Nacos超时。为了排查这个问题，将原本以job方式运行的服务更改为deployment方式，如下，

apiVersion: apps/v1 kind: Deployment metadata: name: frontend-app-web labels: app: frontend-app-web spec: replicas: 1 selector: matchLabels: app: frontend-app-web template: metadata: labels: app: frontend-app-web spec: containers: - name: frontend-app-web image: harbor.example.com/frontend-app-web:3 imagePullPolicy: Always command: ["/bin/bash"] args: ["-c", "while true;do sleep 3600;done"] tty: true stdin: true env: - name: NACOS_HOST value: nacos-cs.nacos.svc.cluster.local:8848 - name: NACOS_AUTH_USERNAME value: username - name: NACOS_AUTH_PASSWORD value: veryLongPassword restartPolicy: Always

更改为deployment运行，最重要是加入下面四行内容，

command: ["/bin/bash"] args: ["-c", "while true;do sleep 3600;done"] tty: true stdin: true

这样Pod运行后，就可以进入容器内部调试。

Pod启动后，运行镜像原本的启动命令（是一段JavaScript代码，完成文章开头提到的上传前端文件到对象存储的功能），还是一样的报错。和正常服务比较，发现Nacos的连接地址少写了“http://”，在容器里面修改环境变量，

export NACOS_HOST=http://nacos-cs.nacos.svc.cluster.local:8848

重新运行上传程序，运行成功。

K8s调试Pod核心是集群视角多维度排查，依赖kubectl工具链。因分布式隔离、临时生命周期（重启丢状态），常用logs/exec/临时容器等方法，避免直接操作宿主机。