一、Pod故障状态基本有几种
Pod状态 处于Pending
Pod状态 处于Waiting
Pod状态 处于ContainerCreating
Pod状态 ImagePullBackOff
Pod状态 CrashLoopBackOff
Pod状态 Error
Pod状态 Terminating
Pod状态 Unknown
Pod状态 OOM killed
pod状态 running
二、Pod故障我们可以用下面一些手段查看
1、命令
kubectl get pod <pod-name> -o yaml # 查看Pod yaml配置是否正确
kubectl describe pod <pod-name> # 查看Pod详细事件信息
kubectl logs <pod-name> [-c <container-name>] # 查看容器日志
cat /var/log/messages
journalctl -u kube-scheduler
journalctl -xefu kubelet
journalctl -u kube-apiserver
journalctl -u kubelet |tail
journalctl -xe
2、样例
例1：kubectl describe pod kubernetes-dashboard-849cd79b75-s2snt --namespace kube-system
例2：kubectl logs -f pods/monitoring-influxdb-fc8f8d5cd-dbs7d -n kube-system
例3：kubectl logs --tail 200 -f kube-apiserver -n kube-system |more
例4；kubectl logs --tail 200 -f cc -n default
3、用登录到宿主机docker查看日志，因为有些问题比较复杂
docker logs 439b1f6989e3 (容器id)
四、总结我们环境下遇到的Pod故障问题与排查方法
1）、Pod 一直处于 Pending 状态
Pending 状态 意味着Pod已经开始创建，API对象已经被创建并保存在Etcd当中。
但是，这个Pod里有些容器因为某种原因而不能被顺利创建。
1、node节点资源不满足包括CPU、内存、GPU。例如：
resources:
limits:
cpu: "2"
memory: 4Gi
requests:
cpu: "2"
memory: 4Gi
2、node 标签设置错误，不能满足调度要求。即pod yaml里面的nodeSelector设置成了其他的比如: a:b
但是node节点，没有设置该标签。
3、被调度的node节点处于not ready ,从而不被调度（rancher查看是非常方便的，包括当前cpu,内存等占用，建议安装rancher管理）
4、可以通过kubectl describe pod podname 查看具体原因
2）、Pod 一直处于Waiting或ContainerCreating状态
首先还是通过kubectl describe pod 命令查看当前Pod的事件。可能的原因有：
1、镜像拉取失败，比如远程镜像库项目地址配置错误导致拉取不到该镜像、
或node节点上没有安装包、镜像密钥配置错误、镜像太大导致拉取超时等
2、CNI网络插件错误，一般需要检查CNI网络插件的配置，比如：无法配置Pod网络、无法分配IP地址（tunl0,我们这里用的是ipip模式）。
3、容器无法启动，需要检查是否打包了正确的镜像或者是否配置了正确的容器参数
4、Failed create pod sandbox，查看kubelet日志，原因可能是磁盘坏道（input/output error）。
3）、Pod 一直处于ImagePullBackOff状态
通常是镜像名称配置错误或者私有镜像的密钥配置错误导致。这种情况可以使用docker pull来验证镜像是否可以正常拉取。
如果私有镜像密钥配置错误或没有配置，按下面检查：
1、查询docker-registry类型的Secret
# 这个实际就是docker镜像仓库的密钥，我们开发打包项目，上传到我们的docker仓库
pod yaml 中会配置，只有创建该镜像的账户，根据该账户我们才可以生成对应的sercet
$ kubectl get secrets my-secret -o yaml | grep 'dockerconfigjson:' | awk '{print $NF}' | base64 -d
2、创建docker-registry类型的Secret
# 首先创建一个 docker-registry 类型的 Secret，样例
$ kubectl create secret docker-registry my-secret --docker-server=DOCKER_REGISTRY_SERVER --docker-username=DOCKER_USER --docker-password=DOCKER_PASSWORD --docker-email=DOCKER_EMAIL
DOCKER_REGISTRY_SERVER 是docker仓库地址，我们用的habor搭建的
--docker-username是账户名
--docker-password 是账户密码
--docker-email 是在habor账户开通时设置的邮箱也一定要正确
# 然后在 Deployment 或sts 中引用这个 Secret
spec:
containers:
- name: private-reg-container
image: <your-private-image>
imagePullSecrets:
- name: my-secret
4）Pod 一直处于CrashLoopBackOff状态
此状态说明容器曾经启动了，但又异常退出。这个时候我们用 pod exec 命令是进入不了pod，因为已经销毁。
通过命令 kubectl logs 和 kubectl logs --previous 可以发下一些容器退出的原因，比如：容器进程退出、健康检查失败退出； 还而已到容器内执行命令（kubectl exec cassandra - cat /var.log/cassandra/system.log）来进一步查看退出原因；如果还是没有线索，那就需要SSH登录该Pod所在的Node上，查看Kubelet或者Docker的日志进一步排查。
5）Pod 处于 Error 状态
通常处于Error状态说明Pod启动过程中发生了错误。常见的原因：依赖的ConfigMap、Secret或PV等不存在；请求的资源超过了管理员设置的限制，比如超过了LimitRange等；违反集群的安全策略，比如违反了PodSecurityPolicy等；容器无法操作集群内的资源，比如开启RDAC后，需要为ServiceAccount配置角色绑定。
6）Pod 处于Terminating或Unknown状态
从v1.5开始，Kubernetes不会因为Node失联而删除其上正在运行的Pod，而是将其标记为Terminating 或 Unknown 状态。想要删除这些状态的Pod有四种方法：
1、从集群中删除Node。使用公有云时，kube-controller-manager会在VM删除后自动删除对应的Node。而在物理机部署的集群中，需要管理员手动删除Node（kubectl delete node）。
2、Node恢复正常。kubelet会重新跟kube-apiserver通信确认这些Pod的期待状态，进而再决定删除或者继续运行这些Pod。用户强制删除，用户可以执行（kubectl delete pods pod-name --grace-period=0 --force）强制删除Pod。
特别是sts 管理的Pod，强制删除容易导致数据丢失等问题。
3、Pod行为异常，这里所说的行为异常是指Pod没有按预期的行为执行，比如没有运行podSpec 里面设置的命令行参数。这一般是podSpec yaml文件内容有误，可以尝试使用 --validate 参数重建容器，比如（kubectl delete pod mypod 和 kubectl create --validate -f mypod.yaml）；也可以查看创建后的podSpec是否是对的，比如（kubectl get pod mypod -o yaml）；修改静态Pod的Manifest后未自动重建，kubelet 使用inotify 机制检测 /etc/kubernetes/manifests 目录（可通过 kubelet 的 -pod-manifest-path 选项指定）中静态Pod的变化，并在文件发生变化后重新创建相应的 Pod。但有时也会发现修改静态Pod的 Manifest后未自动创建新 Pod的情景，此时已过简单的修复方法是重启 Kubelet。
4、可以使用scale动态扩容，缩容的方式进行销毁。
Unknown 这个异常状态意味着Pod的状态不能持续地被 kubelet汇报给 kube-apiserver，这很有可能是主从节点间的通信出现了问题。
7）内存不足 OOM killed
yaml 里面的内存申请不正确，会出现这种状态。
8) pod处于running状态
虽然处于running 但是却使用不了，这种情况我们遇到是，pod访问不了外网或者其他pod，主要是由于node节点机器的calico ipip模式出问题了。有的node就没有启动tunl0，
有的机器，启动了以后没有分配ip等诸多问题。