今日主题：K8sCrashLoopBackOff排障
故障背景：夜间离线补数任务窗口，订单与库存服务出现CrashLoopBackOff，业务实例发生大面积重启。
适合 Linux 运维、云原生和 SRE 岗位的课堂演练。排障建议：优先沿着事件、Pod 状态、节点资源和控制面日志四条线索判断故障域。
一、故障现象与判断思路
故障现象：夜间离线补数任务窗口，订单与库存服务出现CrashLoopBackOff，业务实例发生大面积重启。
判断思路：排障建议：优先沿着事件、Pod 状态、节点资源和控制面日志四条线索判断故障域。
根因提示：节点维护窗口中，探针、Secret 与镜像版本没有一起变更。
二、排障流程图
三、建议优先执行的命令
kubectl top pod -A --containers
kubectl top node
kubectl logs deploy/<deploy> -n <namespace> --tail=200
kubectl describe node <node>四、修复与优化策略
先按 Pod 事件、节点状态和控制器日志拆分根因，再决定扩容、回滚或切流策略，并把容量阈值接入值班告警。
目标：5 分钟内锁定故障域，15 分钟内完成止血，业务错误率回落到 1% 以下
五、课堂训练清单
1. 先在 夜间离线补数任务窗口 这个时间窗复盘 CrashLoopBackOff 的第一现场，保留时间线、日志和资源快照。
2. 围绕“节点维护窗口中，探针、Secret 与镜像版本没有一起变更。”核对配置、变更记录、容量水位和依赖链路。
3. 按照“目标：5 分钟内锁定故障域，15 分钟内完成止血，业务错误率回落到 1% 以下”补齐告警阈值、回滚方案和课堂演练 SOP。
六、官方文档参考
课程延伸：适合 Linux 运维、云原生和 SRE 岗位的课堂演练
咨询方式：苏州育成教育，Linux 运维 / ETL 培训，李老师 18068438616。课程周期 2 个月，苏州姑苏区烽火路 80 号线下脱产学习，不就业不收费，学不会可继续学。
