如何诊断Rancher 2.x卡provisioning问题及查找集群构建日志

核心问题1：Rancher集群搭建活动日志的存储位置 #

Rancher 2.x的日志存储逻辑和1.x完全不同，不存在旧版本/var/lib/cattle的路径，按排查场景分三类：

• Rancher服务端全量日志
  直接查看运行Rancher的容器标准输出：
  定位容器：docker ps | grep rancher/server
  拉取近10分钟日志：docker logs -f --since 10m <rancher容器ID>
  排查时重点搜索关键词：noderegistration、cluster.provision、wss handshake、tls
• 节点侧rancher-agent日志
  这是节点和Rancher交互的最直接日志，就是你之前找到的路径：
  定位agent容器：docker ps | grep rancher/rancher-agent
  拉取全量运行日志：docker logs --tail 300 <agent容器ID>
  排查时重点搜索关键词：Waiting for node to register、connection refused、x509、etcd dial
• Rancher UI侧集群事件日志
  不需要登录服务器即可查看，进入对应集群详情页，左侧导航选择「事件」标签，即可看到Rancher拉取的所有集群组件、节点的运行报错，比翻容器日志排查效率更高。

核心问题2：卡“Waiting to register with Kubernetes”的最佳排查方案 #

结合你的环境配置（4台同Proxmox平台的Ubuntu20.04 VM、Rancher2.5.7默认配置、单节点单角色部署），按优先级排查：

1. 先确认注册逻辑的前置要求
   从你贴的agent日志可以看到，当前明确的提示是："Waiting for node to register. Either cluster is not ready for registering or etcd and controlplane node have to be registered first"。
   自定义集群的注册流程是强顺序依赖：必须至少有1台带--controlplane角色的节点完成注册、成功启动kube-apiserver服务，etcd、worker角色的节点才会被允许完成注册流程。你当前仅启动了etcd角色节点的agent，没有在对应controlplane节点上执行带--controlplane参数的agent启动命令，自然会一直卡在等待状态。
2. 逐台验证节点间的端口连通性（不要靠ping/SSH判断网络正常）
   同虚拟化平台下的节点经常因为桥接配置、默认防火墙规则拦截特定流量，逐段测试连通性：
   • 所有节点到Rancher节点：需要通TCP 443（Rancher的wss注册通道）
   • controlplane节点到etcd节点：需要通TCP 2379（etcd客户端端口）、TCP 2380（etcd节点同步端口）
   • 所有节点间需要通UDP 8472（2.5版本默认Flannel CNI的overlay端口）
     测试连通性直接用命令：nc -vz <目标IP> <端口>，只要有一个端口不通就会导致注册卡住。
3. 修复resolv.conf的回环DNS问题
   日志里的Loopback address found in /etc/resolv.conf不是可忽略的告警：Ubuntu20.04默认用systemd-resolved把127.0.0.53作为本地DNS缓存，而Rancher agent、kubelet组件会直接读取宿主机的resolv.conf，回环地址的DNS配置会导致组件镜像拉取、集群内域名解析失败，最终注册超时。
   修复方式：直接把宿主机/etc/resolv.conf的nameserver改成实际可用的公网DNS（比如1.1.1.1、8.8.8.8），不要走本地回环的DNS缓存配置，重启对应节点的agent容器后再观察日志。
4. 确认自签证书的校验问题
   本地部署的Rancher默认用自签CA证书，如果节点侧没有正确信任CA，会导致wss通道握手成功但后续注册流程静默失败：看agent日志中有没有x509: certificate signed by unknown authority类报错，若存在，在本地测试环境可以给agent启动命令加--insecure参数跳过证书校验验证。

内容的提问来源于stack exchange，提问作者Pyromancer