Service 访问不通:按「选择器→端点→转发→策略」四层排查,别一上来就怀疑网络
一、先分清是「连不上」还是「连上了不通」 报 connection refused,说明包到了、那个端口没人监听;报 timeout 或 no route to host,说明包根本没到对的地方。Kubernetes 官方文档给出的排查顺序是先确认 Service 与 Pod 的连通性,再查端点、再看转发,最后才怀疑策略与 DNS。我习惯把这条链路拆成四层,每次只看一层,错了就回头,不跳层。 二、第一层:selector 究章选中了谁 先看端点是空的还是有地址。空的话,问题几乎一定在选择器:标签键值写错(app=nginx 与 app=nginx-demo 这种一字之差最常见);Deployment 模板里标签对、但被后续 manifest 覆盖;Pod 在 Running 但 Ready 为 False,而 Service 只收录就绲的 Pod。这一条最容易被忽略——端点为空不等于没有 Pod,可能只是没有「就绲」的 Pod。 三、第二层:端口三件套 Service 的 port 是集群内访问口,targetPort 是容器真正监听的端口,containerPort 只是声明、不决定监听。三者错一位,现象就是「连上了但没有响应」或者「连接被拒绡」。targetPort 写成名字时必须与容器 ports 段里的 name 完全一致,改个名字就会变成无端点。 四、第三层:kube-proxy 与转发模式 端点有、端口对,仍然 timeout,才轮到看转发链路:节点上 kube-proxy 是否正常、规则是否生成。单节点自测时我会先换 Pod IP 直连,能通就说明服务发现或转发有问题,不通就先怀疑应用与端口。 五、第四层:策略与云上边界 NetworkPolicy 采用默认放行、显式拒绝:一旦命名空间里有匹配的策略,未声明的流量就会被拦。云上还要叠加安全组、负载均衡白名单与端口放通。四层都通、只有跨命名空间不通,通常就是策略问题。 六、集群类型要先确认 华为云 CCE 有普通集群与 Turbo 集群两种网络模型,Service 的转发路径并不完全相同。所以我的第一步永远是确认集群类型与网络模型,再套对应的官方文档,而不是拿社区文章里的 iptables 命令硬套——命令没错,环境不对,结论就错。 七、集群内 DNS 也是「访问不通」的一半 服务名解析失败与转发失败,表象都是 timeout,但入口完全不同。先确认 Pod 的 resolv.conf 里的 search 域,再用具体服务名做一次解析;解析能过、直连 IP 不通,问题在转发;解析不过,问题在 DNS 链路。两件事分开做,比一起猜快。 八、我现在的排查顺序 一是查看服务的端点是否为空;二是在 Pod 里直接访问服务 IP 加端口;三是换成 Pod IP 直连做对照;四是看节点上的转发链路;五是查策略与安全组;六才去看应用日志。前四步基本能把范围砍到最小,剩下的才是耐心的部分。 九、一个常见误判 把「慢」当成「不通」。首包超时、后续正常,多半是连接建立阶段的等待,而不是服务不可用;这种情况先看就绲探针与副本数,而不是去翻 iptables。分开判断,能省掉大半无效排查。 参考 https://kubernetes.io/docs/tasks/debug/debug-application/debug-service/ https://kubernetes.io/docs/concepts/services-networking/service/ https://support.huaweicloud.com/cce/index.html
- 点赞
- 收藏
- 关注作者
评论(0)