升级EKS节点组从1.17到1.18报AsgInstanceLaunchFailures错误如何解决

目标组相关报错排查 #

• 登录EC2控制台定位到对应节点组关联的ASG，进入负载均衡标签页，逐一校验所有绑定的目标组状态：
  • 确认所有目标组均处于active状态，未被误删除、未跨区域/跨VPC绑定
  • 解绑所有已经不存在、或不属于当前集群VPC的残留目标组
• 检查EKS节点组关联的IAM角色权限，确认已添加elasticloadbalancing:DescribeTargetGroups、elasticloadbalancing:RegisterTargets两类必要操作的允许策略

若目标组是Kubernetes LoadBalancer类型Service自动创建的资源，先到集群内确认对应Service是否存在，已删除的Service对应的残留目标组可直接解绑清理

节点无法加入集群报错排查 #

• 到EC2控制台查看ASG启动失败的节点实例日志，逐一校验以下配置：
  • 升级使用的节点AMI为EKS 1.18对应官方版本，AMI ID与已升级成功的节点组保持一致
  • 节点所在子网的安全组入站规则允许EKS控制平面访问443、10250端口，出站规则允许访问控制平面的API Server端点
  • 节点关联的IAM角色已绑定AmazonEKSWorkerNodePolicy、AmazonEC2ContainerRegistryReadOnly官方托管策略
  • VPC内DNS解析功能正常，节点可正常解析EKS API Server域名

升级重试操作 #

• 所有配置修正完成后，先终止当前处于失败状态的节点组升级任务，重新触发版本升级即可
• 若重试依然失败，可先手动将ASG的期望实例数、最小实例数调整为0，待所有旧节点销毁后再触发升级，排除旧配置残留干扰

内容的提问来源于stack exchange，提问作者JuliaS