AKS集群升级至1.25.5失败，Pods出现间歇性DNS网络问题

一、升级ingress-nginx后的必要操作 #

升级ingress-nginx版本后，仅替换镜像不足以让所有组件生效，需要执行以下操作：

• 滚动重启ingress控制器Pod：强制刷新控制器实例，确保新配置和镜像生效

  kubectl rollout restart deployment ingress-nginx-controller -n ingress-nginx
  

  验证状态：

  kubectl get pods -n ingress-nginx
  

  确认所有Pod处于Running状态，且重启时间为最新。
• 重启业务Pod：运行Python的业务Pod可能依赖旧的网络路由或DNS配置，滚动重启可让它们重新获取集群网络资源：

  kubectl rollout restart deployment <你的业务Deployment名称>
  

• 验证ingress规则同步：检查ingress资源是否正常关联到控制器：

  kubectl get ingress
  

二、重新触发AKS升级/重置节点配置 #

针对节点池显示1.25.5但实际节点仍为1.24.9、配置状态Failed的问题，可通过以下方式修复：

• 查看升级失败详情：用Azure CLI获取节点池升级日志和状态，定位失败原因：

  az aks nodepool show --resource-group <资源组名称> --cluster-name <AKS集群名称> --name <节点池名称> --query 'upgradeProfile'
  

  同时检查集群事件中的警告信息：

  kubectl get events --field-selector type=Warning
  

• 重新发起节点池升级：指定相同目标版本（1.25.5），触发AKS重新执行升级流程：

  az aks nodepool upgrade --resource-group <资源组名称> --cluster-name <AKS集群名称> --name <节点池名称> --kubernetes-version 1.25.5
  

  若需要后台执行，添加--no-wait参数。
• 手动替换异常节点：若部分节点升级卡住，先驱逐节点上的Pod，再删除节点，AKS会自动创建符合目标版本的新节点：

  # 驱逐节点（忽略守护进程集）
  kubectl drain <异常节点名称> --ignore-daemonsets
  # 删除节点
  kubectl delete node <异常节点名称>
  

• 重置节点池配置：重置节点池到集群指定的目标版本，修复配置不一致问题：

  az aks nodepool reset --resource-group <资源组名称> --cluster-name <AKS集群名称> --name <节点池名称>
  

三、间歇性网络问题额外排查步骤 #

针对节点间歇性无法访问外部服务/内部Service的问题，补充以下排查操作：

• 检查kube-proxy状态：kube-proxy负责Service路由，若异常会导致连通性问题：

  kubectl get pods -n kube-system -l k8s-app=kube-proxy
  # 重启kube-proxy守护进程集
  kubectl rollout restart daemonset kube-proxy -n kube-system
  

• 验证CoreDNS运行状态：CoreDNS负责集群DNS解析，重启可修复间歇性解析故障：

  kubectl get pods -n kube-system -l k8s-app=coredns
  kubectl rollout restart deployment coredns -n kube-system
  

• 检查节点网络配置：登录异常节点，查看路由表和DNS配置是否稳定：

  # 查看路由表
  ip route
  # 测试外部连通性
  nc -zv github.com 443
  

内容的提问来源于stack exchange，提问作者arundeep78