AWS EC2搭建的K8s集群工作节点所有Pod出现CrashLoopBackOff状态求助

嗨，我来帮你分析下这个问题！从你描述的情况和贴出的flannel日志来看，核心问题大概率出在flannel网络组件的配置上——尤其是它的etcd地址配置，这会直接导致整个工作节点的网络异常，进而让所有pod都启动失败。

先看你贴的flannel关键日志：

$ kubectl logs pod/kube-flannel-ds-hd79r --namespace=kube-flannel
Defaulted container "kube-flannel" out of: kube-flannel, install-cni-plugin (init), install-cni (init)
I0620 13:37:59.782900       1 main.go:211] CLI flags config: {etcdEndpoints:http://127.0.0.1:4001,http://127.0.0.1:2379 etcdPrefix:/coreos.com/network etcdKeyfile: etcdCertfile: etcdCAFile: etcdUsername: etcdPassword: version:false kubeSubnetMgr:...

这里能看到flannel在尝试连接本地（127.0.0.1）的etcd服务，但如果你是用常规方式在EC2上搭建K8s集群，etcd通常是部署在主节点上的，工作节点本身并没有运行etcd服务，这就导致flannel连不上etcd，启动失败，进而整个工作节点的网络插件异常，所有依赖网络的pod（包括kube-proxy、你的hello-world api）都会因为网络问题崩溃，出现CrashLoopBackOff。

接下来给你一步步的排查和修复方案：

1. 确认集群etcd的部署位置 #

先登录主节点，执行kubectl get pods -n kube-system，看看etcd相关的pod是不是在主节点上运行（通常名称是etcd-<master-node-name>），如果是的话，说明工作节点确实没有本地etcd，需要修改flannel的配置。

2. 检查并修复flannel的ConfigMap配置 #

在任意能访问集群的节点（比如主节点）执行以下命令：

# 查看flannel的配置文件
kubectl get configmap kube-flannel-cfg -n kube-flannel -o yaml

找到Net-conf.json字段，里面的etcdEndpoints如果是http://127.0.0.1:4001,http://127.0.0.1:2379，那就是配置错误，需要改成主节点的私有IP（EC2的内网IP）加上etcd的端口，比如：

{
  "Network": "10.244.0.0/16",
  "Backend": {
    "Type": "vxlan"
  },
  "EtcdEndpoints": "http://<主节点私有IP>:2379"
}

修改配置可以用编辑命令：

kubectl edit configmap kube-flannel-cfg -n kube-flannel

保存退出后，删除当前工作节点上的flannel pod，让它重新拉取配置启动：

kubectl delete pod kube-flannel-ds-hd79r -n kube-flannel

（把kube-flannel-ds-hd79r换成你实际的flannel pod名称）

3. 检查EC2安全组配置 #

确保主节点的安全组允许工作节点的IP段访问2379端口（etcd的默认端口），否则即使配置对了地址，flannel也连不上主节点的etcd。

4. 验证修复效果 #

等flannel pod启动成功后（状态变成Running），再查看工作节点上的其他pod，比如kube-proxy和你的hello-world api，看看是否恢复正常。如果还有问题，可以查看kube-proxy的日志，确认是不是还有其他网络相关的问题。

备注：内容来源于stack exchange，提问作者Miguel Domingos