在 CKA（Certified Kubernetes Administrator）考试中，Troubleshooting（故障排障）域占 30% 分值，是权重最高的单一领域。本文基于开源学习指南 cka-certification-guide，为你完整解读 NodeNotReady与 PodCrashLoopBackOff两大高频故障的系统化排障 Playbook，帮新手建立一套"不慌、有序、可复现"的 CKA 排障思维。

📌核心认知：所有 CKA 排障题都能用同一套四步法回答——查状态 → 看事件 → 查日志 → 修完验证。方法论比单点命令更重要。

CKA 考试分值分布：为什么 Troubleshooting 最优先学

ck-certification-guide 按官方权重把知识域划分为五块，排障域高居榜首：

💡备考建议：如果时间紧张，优先啃 Domain 5（排障）+ Domain 1（架构），这两块覆盖了一半以上分值。

系统化四步排障法：从 kubectl get 到 journalctl

仓库中的 TROUBLESHOOTING_GUIDE.md 把排障抽象成一条固定流水线，下图就是这套 Kubernetes 排障方法论的完整流程：

每一步都在回答一个具体问题：

1. kubectl get <resource> -o wide—— 现在是什么状态？
2. kubectl describe <resource>—— 为什么是这个状态？（重点读底部 Events，能揭示 80% 的问题）
3. kubectl logs <pod>（加--previous看崩溃前日志）—— 应用说了什么？
4. systemctl/journalctl—— 系统与 kubelet 说了什么？

Node NotReady 排障：5 步定位法

节点显示NotReady是 CKA 几乎必考的节点级故障。按顺序走：

# 1. 看节点状态与条件 kubectl get nodes -o wide kubectl describe node <node> # 重点看 Conditions 和 Events # 2. 登录节点查 kubelet ssh <node> systemctl status kubelet # 3. 常见修复：启动/自启 kubelet systemctl start kubelet && systemctl enable kubelet # 4. 读 kubelet 日志找根因 journalctl -u kubelet --since "10 minutes ago" | grep -i error

🔍考试技巧：绝大多数NotReady场景就是 kubelet 被停了。systemctl start kubelet一步解决，然后回控制面kubectl get nodes验证恢复。

CrashLoopBackOff 退出码速查表：1 分钟锁定根因

Pod 反复崩溃重启时，Exit Code 是最好的线索。describe 之后直接查表：

kubectl describe pod <pod> | grep "Exit Code" kubectl logs <pod> --previous # 看崩溃前的日志

其中最经典的就是137 = OOMKilled：容器内存触碰 limit 后被 SIGKILL。理解 requests 与 limits 的关系是避免误伤的前提：

⚠️易错点：kubectl logs默认只能看当前容器。CrashLoopBackOff 的容器已经死了，必须加--previous才能看到致命错误。

API Server 挂了怎么办：crictl 救援流程

更棘手的是控制面本身故障——此时kubectl不可用，必须登录节点用crictl直接操作容器运行时。理解下面这张静态 Pod 工作机制图是关键：控制面组件由 kubelet 直接托管，API Server 管不了自己。

控制面节点上必须熟悉这套目录布局，证书、manifest、kubeconfig 都在这里：

# kubectl 失效时的救援顺序 crictl ps -a | grep kube-apiserver crictl logs <container-id> ls /etc/kubernetes/manifests/ # 确认 4 个静态 Pod manifest 齐全 kubeadm certs check-expiration # 证书是否过期 kubeadm certs renew all && systemctl restart kubelet export KUBECONFIG=/etc/kubernetes/admin.conf # 恢复访问

🚑Fast Recovery 工作流（考试限时场景直接按顺序跑）：systemctl status kubelet→journalctl -u kubelet -n 50→ls /etc/kubernetes/manifests/→crictl ps -a→kubeadm certs check-expiration。

CKA 高频排障场景速查清单

TROUBLESHOOTING_GUIDE.md 里总结了"症状 → 最可能原因 → 第一修复"的对照表，考前过一遍能节省大量现场思考时间：

配套还有完整的 CHEATSHEET.md 命令速查表，其中明确标注了kubectl describe node / drain / cordon、kubectl logs、journalctl -u kubelet等命令都归属于 30% 权重的排障域。

配套实战环境与下一步学习

• 📘 完整排障 Playbook（节点/控制面/Pod/网络/存储七章）：TROUBLESHOOTING_GUIDE.md
• 📓 图文排障笔记（含决策树与 kubeadm 迁移故障实战）：study-notes/05-troubleshooting.md
• 🧪 本地实验集群：仓库提供 lab-setup/ 目录，内含 multipass、Vagrant 等多平台一键搭集群脚本，建议用 kind-cluster/multi-node.yaml 快速验证排障操作
• 📋 考试日流程与心态管理：EXAM_DAY_GUIDE.md 与 EXAM_TIPS.md
• 📖 官方考纲对照：SYLLABUS.md

✅一句话总结：CKA 排障 = 固定顺序（get → describe → logs → journalctl）+ 固定知识（Conditions、Exit Code、静态 Pod、crictl）。把这套 Playbook 练到肌肉记忆，30% 的分值就是你的了。