Kubernetes调试方法Skill kubernetes-debug

---

name: kubernetes-debug description: Kubernetes调试方法和脚本。用于Pod崩溃、CrashLoopBackOff、OOMKilled、部署问题、资源问题或容器故障。

Kubernetes调试

核心原则：先事件后日志

始终先检查Pod事件再查看日志。 事件能更快解释80%的问题：

• OOMKilled → 内存限制超出
• ImagePullBackOff → 镜像未找到或认证问题
• FailedScheduling → 没有节点有足够资源
• CrashLoopBackOff → 容器反复崩溃

可用脚本

所有脚本都在 .claude/skills/infrastructure-kubernetes/scripts/ 中

list_pods.py - 列出Pod及其状态

python .claude/skills/infrastructure-kubernetes/scripts/list_pods.py -n <命名空间> [--label <选择器>]

# 示例：
python .claude/skills/infrastructure-kubernetes/scripts/list_pods.py -n otel-demo
python .claude/skills/infrastructure-kubernetes/scripts/list_pods.py -n otel-demo --label app.kubernetes.io/name=payment

get_events.py - 获取Pod事件（优先使用！）

python .claude/skills/infrastructure-kubernetes/scripts/get_events.py <Pod名称> -n <命名空间>

# 示例：
python .claude/skills/infrastructure-kubernetes/scripts/get_events.py payment-7f8b9c6d5-x2k4m -n otel-demo

get_logs.py - 获取Pod日志

python .claude/skills/infrastructure-kubernetes/scripts/get_logs.py <Pod名称> -n <命名空间> [--tail N] [--container NAME]

# 示例：
python .claude/skills/infrastructure-kubernetes/scripts/get_logs.py payment-7f8b9c6d5-x2k4m -n otel-demo --tail 100
python .claude/skills/infrastructure-kubernetes/scripts/get_logs.py payment-7f8b9c6d5-x2k4m -n otel-demo --container payment

describe_pod.py - 详细Pod信息

python .claude/skills/infrastructure-kubernetes/scripts/describe_pod.py <Pod名称> -n <命名空间>

get_resources.py - 资源使用与限制对比

python .claude/skills/infrastructure-kubernetes/scripts/get_resources.py <Pod名称> -n <命名空间>

describe_deployment.py - 部署状态

python .claude/skills/infrastructure-kubernetes/scripts/describe_deployment.py <部署名称> -n <命名空间>

get_history.py - 滚动历史

python .claude/skills/infrastructure-kubernetes/scripts/get_history.py <部署名称> -n <命名空间>

调试工作流

Pod未启动（Pending/CrashLoopBackOff）

1. list_pods.py - 检查Pod状态
2. get_events.py - 查找调度/拉取/崩溃事件
3. describe_pod.py - 检查条件和容器状态
4. get_logs.py - 仅当事件无法解释时

Pod重启（OOMKilled/崩溃）

1. get_events.py - 检查OOMKilled或错误事件
2. get_resources.py - 比较使用量与限制
3. get_logs.py - 检查崩溃前错误
4. describe_pod.py - 检查重启次数和状态

部署未进展

1. describe_deployment.py - 检查副本数量
2. list_pods.py - 查找卡住的Pod
3. get_events.py - 检查卡住Pod的事件
4. get_history.py - 检查滚动历史以回滚

常见问题与解决方案

事件原因	含义	操作
OOMKilled	容器超出内存限制	增加限制或修复内存泄漏
ImagePullBackOff	无法拉取镜像	检查镜像名称、注册表认证
CrashLoopBackOff	容器持续崩溃	检查启动错误日志
FailedScheduling	没有节点能运行Pod	检查节点资源、污点
Unhealthy	存活探针失败	检查探针配置、应用健康

输出格式

报告发现时，使用此结构：

## Kubernetes分析

**Pod**: <名称>
**命名空间**: <命名空间>
**状态**: <阶段> (重启次数: N)

### 事件
- [时间戳] <原因>: <消息>

### 发现的问题
1. [问题描述及证据]

### 根因假设
[基于事件和日志]

### 推荐操作
[具体补救步骤]