GKE新增nodepool后持续自动修复无法执行其他集群操作求助

常见原因及对应处理方案 #

• 配额不足
  n1-standard-64实例对应64vCPU、240GB内存，若当前GCP项目对应区域的Compute Engine CPU、内存、持久化磁盘配额不足，节点会创建失败，触发GKE持续自动修复逻辑。
  可到GCP控制台「IAM与管理」-「配额」页面，筛选对应区域的相关配额项确认是否超限，超限后提交配额提升申请后重新创建节点池即可。
• 节点健康检查不通过
  单节点池的节点启动后，若kubelet、kube-proxy等核心组件启动失败，或节点无法连通集群控制平面，就会触发自动修复。
  可先临时禁用节点池的自动修复功能，再登录节点排查具体报错，禁用命令如下：
  gcloud container node-pools update [节点池名称] --cluster [集群名称] --zone [对应区域] --no-enable-autorepair
• 节点镜像兼容性问题
  如果使用自定义镜像，或集群版本与节点镜像版本不兼容，也会导致节点启动异常。可以将节点池镜像切换为GKE官方维护的Container-Optimized OS镜像，再重新创建节点池验证。
• 资源预留配置异常
  如果手动调整过节点的kube-reserved、system-reserved参数，可能导致大规格节点的系统预留资源不足，kubelet无法正常启动。恢复为GKE默认的资源预留配置即可解决。

紧急恢复方案 #

如果需要立刻恢复集群操作能力，可直接删除异常节点池，自动修复逻辑会同步终止，之后再逐步排查问题。删除命令如下：
gcloud container node-pools delete [节点池名称] --cluster [集群名称] --zone [对应区域]

问题截图参考 #

内容的提问来源于stack exchange，提问作者Manoj vardhan reddy