K8s 故障排查面试题
💡 ClusterIP 连通超时
【题目】 K8s Pod 状态 Running，curl ClusterIP:port 超时无法连通，排除安全组，列举 4 类生产高频故障+排查命令？
【参考答案】
- readiness 探针失败，Pod 未加入 ep：
kubectl get ep svc-name - 进程监听 127.0.0.1 未监听 0.0.0.0：
kubectl exec -it pod -- ss -ltnp - kube-proxy 异常 ipvs/iptables 规则丢失：
ipvsadm -Ln - 节点内核防火墙、nftables 拦截端口：
iptables-save / nft list ruleset
💡 ipvs 长连接断连
【题目】 K8s 集群大规模部署，kube-proxy 选用 ipvs，上线后出现大量长连接偶发断连、源端口耗尽，原因+优化配置？
【参考答案】 根因：ipvs 默认端口回收慢，内核 tcp_tw_reuse 参数不合理 优化：内核调优 tcp 回收参数、ipvs 配置 tcp 超时时间、开启端口复用
💡 PDB 生产配置
【题目】 K8s PDB 生产作用？什么业务必须配置？drain 节点时 PDB 阻止驱逐如何应急处理？
【参考答案】 PDB 限制集群主动运维时最小可用副本 必须配置：网关、注册中心、数据库中间件 应急：临时调高最小可用配额、短时删除 PDB
💡 GPU Pod 无法申请资源
【题目】 GPU 节点 K8s 集群，nvidia-device-plugin 正常运行，新创建 GPU Pod 提示无法申请 nvidia.com/gpu 资源，全链路排障？
【参考答案】
- 节点 GPU 资源已被存量 Pod 占满
- device-plugin 标签/污点变更，节点失去 GPU 资源上报
- Pod 资源声明字段书写错误（nvidia.com/gpu 拼写错误）
- kube-scheduler 调度策略阻止调度
💡 滚动升级错误率飙升
【题目】 全量业务滚动升级中，5 分钟后监控错误率从 0 飙升至 30%，要求用户零损失紧急止损回滚，操作步骤？
【参考答案】
- 暂停新版本放量，Ingress/SLB 权重 100% 切回旧版本
kubectl rollout undo deployment回滚- 临时关闭 HPA，防止旧实例被自动缩容销毁
- 流量恢复后再排查新版本 bug
关联文档