Kubernetes 集群运维

集群搭起来只是开始。本章讲日常运维的核心工作:扩缩节点、版本升级、证书轮换、etcd 备份、监控与日志。

kubeadm 集群生命周期

kubeadm init 完成初始化后,集群的日常生命周期操作围绕节点和版本展开。

添加节点

# 在控制平面生成新的 join 命令(token 过期后重新生成)
kubeadm token create --print-join-command

# 在新节点上执行输出的命令
kubeadm join 192.168.1.10:6443 --token <token> \
  --discovery-token-ca-cert-hash sha256:<hash>

升级集群

升级控制平面节点

先升级第一个控制平面节点。更新 kubeadm 包后执行 kubeadm upgrade plan 查看可升级版本,确认后用 kubeadm upgrade apply v1.30.x 应用。然后升级该节点的 kubelet 和 kubectl 并重启 kubelet。

升级其余控制平面节点

逐个执行 kubeadm upgrade node,再升级 kubelet。一次只处理一个节点,保证控制平面始终有法定人数。

升级工作节点

先 kubectl drain 驱逐负载,执行 kubeadm upgrade node,升级 kubelet 并重启,最后 kubectl uncordon 恢复调度。

验证集群状态

用 kubectl get nodes 确认所有节点版本一致且状态为 Ready。

升级只能逐个小版本进行,例如 v1.28 → v1.29 → v1.30,不能跨版本跳跃。

证书管理与轮换

kubeadm 签发的集群证书默认有效期一年,到期前必须轮换。

# 查看所有证书有效期
kubeadm certs check-expiration

# 轮换全部证书(会重启控制平面组件)
kubeadm certs renew all

升级 kubeadm 集群时证书会自动轮换。不升级的年份里,要手动执行 renew 并记录进运维日历。

etcd 备份与恢复

etcd 存着集群的全部状态,备份它就是备份整个集群。

# 备份:在控制平面节点执行
ETCDCTL_API=3 etcdctl snapshot save /backup/etcd-$(date +%F).db \
  --endpoints=https://127.0.0.1:2379 \
  --cacert=/etc/kubernetes/pki/etcd/ca.crt \
  --cert=/etc/kubernetes/pki/etcd/server.crt \
  --key=/etc/kubernetes/pki/etcd/server.key

# 恢复:指定新数据目录
ETCDCTL_API=3 etcdctl snapshot restore /backup/etcd-2024-01-01.db \
  --data-dir=/var/lib/etcd-restore

恢复后修改 etcd 静态 Pod 清单的 --data-dir 指向新目录,等待 kubelet 拉起即可。

备份应定时执行并异地保存。写一条 cron 任务,配合快照校验 etcdctl snapshot status。

节点日常维护

维护一台节点的标准流程:

# 1. 封锁节点,禁止调度新 Pod
kubectl cordon node-1

# 2. 驱逐节点上的 Pod(自动重建到其他节点)
kubectl drain node-1 --ignore-daemonsets --delete-emptydir-data

# 3. 执行维护:升级内核、更换硬件等

# 4. 恢复调度
kubectl uncordon node-1

集群监控

metrics-server:提供 kubectl top 和 HPA 所需的基础指标,用官方清单一键部署。
Prometheus + Grafana:生产标配。推荐用 kube-prometheus-stack Helm Chart 部署,一次获得节点、组件、应用三层监控和告警规则。

helm install monitoring prometheus-community/kube-prometheus-stack \
  -n monitoring --create-namespace

日志体系

Kubernetes 日志分三层:

节点日志:journalctl -u kubelet 查看系统组件日志。
容器日志:kubectl logs 读取 stdout/stderr,文件落在节点的 /var/log/containers。
集群事件:kubectl get events 记录调度与生命周期事件,默认只保留一小时。

生产环境用 EFK(Elasticsearch + Fluent Bit + Kibana)或更轻量的 Loki + Grafana 做日志集中采集。

常用巡检命令清单

检查项	命令
控制平面健康(替代已废弃的 `get componentstatuses`)	`kubectl get --raw='/readyz?verbose'`
节点状态与资源	`kubectl get nodes -o wide`、`kubectl top nodes`
证书有效期	`kubeadm certs check-expiration`
系统 Pod 状态	`kubectl get pods -n kube-system`
近期异常事件	`kubectl get events -A --sort-by=.lastTimestamp`
etcd 健康	`etcdctl endpoint health`

系列教程

kubeadm 集群生命周期

添加节点

升级集群

证书管理与轮换

etcd 备份与恢复

节点日常维护

集群监控

日志体系

常用巡检命令清单

延伸阅读

​kubeadm 集群生命周期

​添加节点

​升级集群

​证书管理与轮换

​etcd 备份与恢复

​节点日常维护

​集群监控

​日志体系

​常用巡检命令清单

​延伸阅读

kubeadm 集群生命周期

添加节点

升级集群

证书管理与轮换

etcd 备份与恢复

节点日常维护

集群监控

日志体系

常用巡检命令清单

延伸阅读