Kubelet无法访问rancher-metadata问题分析

Posted 2020-09-04

引言

Rancher能够支持Kubernetes，可以快速几乎无障碍的拉起一套K8s环境，这对刚入门K8s的小白来说简直是一大利器。当然由于系统特性五花八门，系统内置软件也相互影响，所以有时候伙伴们会碰到比较难缠的问题。本文就分析一下关于kubelet无法访问rancher-metadata问题。

问题现象

使用Rancher部署K8s后，发现一切服务状态均正常，这时候打开K8s dashboard却无法访问，细心得查看会发现，dashboard服务并没有部署起来，这时下意识的行为是查看kubelet的日志，此时会发现一个异常：

你会发现kubelet容器内部一直无法访问rancher-metadata，查看rancher-k8s-package源码，kubelet服务启动之前需要通过访问rancher-metadata做一些初始化动作，由于访问不了，便一直处于sleep状态，也就是出现了上面提到的那些异常日志的现象：

同样，在github上也能看到类似的issue：https://github.com/rancher/rancher/issues/7160

排查分析

进入kubelet容器一探究竟，分别用ping和dig测试对rancher-metadata访问情况如下：

dig明显可以解析，但是ping无法解析，因此基本排除了容器内dns nameserver或者网络链路情况的问题。

既然dig没有问题，ping有问题，那么我们就直接采取使用

strace（strace ping rancher-metadata -c 1）

来调试，这样可以打印系统内部调用的情况，可以更深层次找到问题根源：

之前提到这个问题并不是必现的，所以我们找一个正常的环境，同样用strace调试，如下：

对这两张图，其实已经能够很明显的看出区别，有问题的kubelet在解析rancher-metadata之前，向nscd请求的解析结果，nscd返回了unkown host，所以就没有进行dns解析。而正常的kubelet节点并没有找到nscd.socket，而后直接请求dns进行解析rancher-metadata地址。

经过以上的分析，基本上断定问题出在nscd上，那么为什么同样版本的rancher-k8s，一个有nscd socket，而另一个却没有，仔细看一下kubelet的compose定义：

kubelet启动时候映射了主机目录/var/run，那么基本可以得知nscd来自于系统。检查一下有问题的kubelet节点的系统，果然会发现安装了nscd服务（服务名为unscd）。

用比较暴力的方案证明一下分析过程，直接删除nscd socket文件，这时候你会发现kubelet服务正常启动了，rancher-metadata也可以访问了。

回过头来思考一下原理，为什么ping/curl这种会先去nscd中寻找解析结果呢，而dig/nslookup则不受影响。ping/curl这种在解析地址前都会先读取/etc/nsswitch.conf，这是由于其底层均引用了glibc， 由nsswitch调度，最终指引ping/curl先去找nscd服务。nscd服务是一个name services cache服务，很多解析结果他会缓存，而我们知道这个nscd是运行在Host上的，Host上是不能直接访问rancher-metadata这个服务名，所以kubelet容器中就无法访问rancher-metadata。

其他解决方案

其实我们也未必要如此暴力删除nscd，nscd也有一些配置，我们可以修改一下以避免这种情况，可以disable hosts cache，这样nscd中便不会有相应内容的缓存，所以解析rancher-metadata并不会出现unknown host，而是继续向dns nameserver申请解析地址，这样也不会有问题。

总结

遇到问题不能慌，关键是要沉得住气，很多看似非常复杂的问题，其实往往都是一个小配置引发的血案。

本文出自 “12452495” 博客，请务必保留此出处http://12462495.blog.51cto.com/12452495/1905731