使用节点自愈功能时，如果系统预置的异常状态或检查规则无法满足您的需求，您可以基于节点 NodeCondition 信息自定义检查项。本文为您介绍自定义检查项基本概念、数据结构和参数的含义。 ## 背景信息 ### 什么是 NodeCondition？在 Kubernetes 集群中，NodeCondition（节点状态条件）主要用来描述节点当前运行状态，它通过一组 “键值对 + 状态 + 时间戳” 的形式，精准反映节点的可用、就绪或资源压力等属性。Kubernetes 控制器（如 kubelet、调度器等）会持续更新这些条件，调度器也会基于 NodeCondition 决定是否将 Pod 调度到该节点。 :::tip 更多 NodeCondition 详情，请参见 [官方文档](https://kubernetes.io/docs/reference/node/node-status/)。 ::: ### NodeCondition 结构 NodeCondition 的结构由以下字段组成： |**字段名** |**含义** | |---|---| |Type |NodeCondition 类型（如 Ready、MemoryPressure），标识要检查的节点状态。 | |Status |NodeCondition 状态，包括：|\ | ||\ | |* **True**：正常|\ | |* **False**：异常|\ | |* **Unknown**：未知 | |Reason |状态转换的简短原因（如 KubeletNotReady、MemoryPressure）。 | |Message |状态转换的描述信息（如 kubelet is down: postStart hook failed）。 | |LastHeartbeatTime |该 NodeCondition 状态最后一次更新的时间戳。 | |LastTransitionTime |该 NodeCondition 状态最后一次变化的时间戳。 | 您可以执行`kubectl describe node {node-name}`命令，查看节点的 NodeCondition 信息。其中，`{node-name}`表示节点名称。 ```Bash Conditions: Type Status LastHeartbeatTime LastTransitionTime Reason Message ---- ------ ----------------- ------------------ ------ ------- Ready True 2025-12-05T10:00:00Z 2025-12-01T08:00:00Z KubeletReady kubelet is posting ready status MemoryPressure False 2025-12-05T10:00:00Z 2025-12-01T08:00:00Z KubeletHasSufficientMemory kubelet has sufficient memory available DiskPressure False 2025-12-05T10:00:00Z 2025-12-01T08:00:00Z KubeletHasNoDiskPressure kubelet has no disk pressure PIDPressure False 2025-12-05T10:00:00Z 2025-12-01T08:00:00Z KubeletHasSufficientPID kubelet has sufficient PID available NetworkUnavailable False 2025-12-05T10:00:00Z 2025-12-01T08:00:00Z RouteCreated RouteController created all required routes ``` ### 常见 NodeCondition 类型 Kubernetes 定义了一组标准的 NodeCondition 类型，覆盖节点的核心状态。 #### Ready（就绪状态）这是节点最重要的 NodeCondition 类型，直接决定节点是否可调度 Pod： * 当`Status`为`True`时：表示节点健康，kubelet 正常运行，网络/存储可用，调度器可将 Pod 调度到该节点。 * 当`Status`为`False`时：表示节点不可用（如 kubelet 宕机、网络故障），已调度的 Pod 会被驱逐，新 Pod 不会调度到该节点。 * 当`Status`为`Unknown`时：表示 kube\-apiserver 超过`node-monitor-grace-period`（默认 40 秒）未收到 kubelet 心跳，视为 “失联”，调度器也会避免调度 Pod 到该节点。 #### Pressure（资源压力状态）这类条件触发时，节点会进入资源压力状态，调度器会限制/禁止新 Pod 调度，kubelet 可能会触发 Pod 驱逐。 |**条件类型** |**触发场景** | |---|---| |MemoryPressure |节点内存不足。例如：可用内存低于 kubelet 配置的阈值，如`memory.available < 100Mi`）。 | |DiskPressure |节点磁盘空间不足。例如：根分区/容器运行时分区可用空间低于阈值。 | |PIDPressure |节点进程数（PID）耗尽（可用 PID 数低于阈值）。 | #### NetworkUnavailable（网络失效状态） * 当`Status`为`True`时：表示节点网络未就绪（如 CNI 插件未配置、网络路由创建失败）。 * 当`Status`为`False`时：表示节点网络正常，Pod 可正常通信。 ## 配置自定义检查项 ### 操作步骤 1. 登录 [容器服务控制台](https://console.volcengine.com/vke)。 2. 单击左侧导航栏中的 **集群**。 3. 在集群列表页面，单击目标集群，进入集群管理页面。 4. 在集群管理页面的左侧导航栏中选择 **检查自愈**，单击 **自定义检查项**，使用 YAML 代码配置检查项。 ![图片](https://portal.volccdn.com/obj/volcfe/cloud-universal-doc/upload_1666187c1554606cd2aa4865a47b5197.png =919x) 5. 单击 **保存**，完成配置。 ### 数据结构节点检查自愈功能允许使用 YAML 代码，基于 NodeCondition 配置自定义检查项。代码示例如下： ```JSON IncidentTypeDefinitions: - Code: "GpuHealthAbnormal" Name: "GPU健康状态异常" Description: "GPU卡温度过高" ResourceType: "VkeNode" EventProvider: "NodeCondition" DetectionConfig: NodeCondition: Type: "Ready" Status: "False" Reason: "GpuHealthAbnormal" Message: "GPU temperature exceeds threshold (85°C), fan speed abnormal" - Code: "NodeNotReady" Name: "节点未就绪" Description: "集群节点未就绪" ResourceType: "VkeNode" EventProvider: "NodeCondition" DetectionConfig: NodeCondition: Type: "Ready" Status: "False" Reason: "^KubeletNotReady$" Message: "^kubelet is not running$" ``` ### 参数说明自定义故障代码中，可以使用的变量参数和说明，如下表所示。 |参数名称 |参数类型 |是否必填 |配置示例 |参数说明 | |---|---|---|---|---| |Code |String |是 |GpuHealthAbnormal |故障码，仅支持英文大小写字母和数组。 | |Name |String |是 |GPU健康状态异常 |故障名称。 | |Description |String |否 |GPU卡温度过高 |故障描述。 | |ResourceType |String |是 |VkeNode |故障资源类型，当前仅支持`VkeNode`，表示 VKE 集群节点故障。 | |EventProvider |String |是 |NodeCondition |故障事件来源，当前仅支持`NodeCondition`，表示故障来源于节点事件。 | |DetectionConfig.NodeCondition.Type |String |是 |Ready |Condition 类型（例如 Ready、DiskPressure 等），用于标识节点的某类状态维度。 | |DetectionConfig.NodeCondition.Status |String |是 |False |Condition 状态值，取值：|\ | | | | ||\ | | | | |* **True**：正常|\ | | | | |* **False**：异常|\ | | | | |* **Unknown**：未知 | |DetectionConfig.NodeCondition.Reason |String |否 |`^KubeletNotReady$` |状态转换的简短原因（如`KubeletNotReady`）。允许通过正则表达式进行匹配。匹配成功时，将该 Condition 指定为自定义故障。 | |DetectionConfig.NodeCondition.Message |String |否 |`^kubelet is not running$` |状态转换的详细描述（如`kubelet is not running`）。允许通过正则表达式进行匹配。匹配成功时，将该 Condition 指定为自定义故障。 |