Google 會運用 AI 技術將內容翻譯成你偏好的語言，但可能會出錯。

節點問題偵測工具

節點問題偵測工具開放原始碼程式庫可讓您監控節點健康狀態，並偵測常見的硬體、核心或容器執行階段問題。在 Google Distributed Cloud 中，它會以 systemd 服務的形式在每個節點上執行，並在 1.10.0 以上版本中預設啟用。在 1.32 以上版本中，節點問題偵測工具也能自動修復特定節點問題。

如需其他協助，請與 Cloud Customer Care 團隊聯絡。您也可以參閱「取得支援」，進一步瞭解支援資源，包括：

建立客服案件的需求條件。
工具：協助您疑難排解，例如您的環境設定、記錄和指標。
支援的元件。

這項工具會偵測哪些問題？

節點問題偵測工具可偵測下列問題：

容器執行階段問題，例如執行階段 Daemon 沒有回應
硬體問題，例如 CPU、記憶體或磁碟故障
核心問題，例如核心死結狀況或檔案系統損毀

它會在節點上執行，並以 NodeCondition 或 Event 的形式向 Kubernetes API 伺服器回報問題。NodeCondition 是指導致節點無法執行 Pod 的問題，而 Event 則是對 Pod 影響有限的暫時性問題，但仍被視為重要到需要回報。

下表說明節點問題偵測工具發現的 NodeConditions，以及是否可以自動修復：

條件	原因	支援自動修復¹
`KernelDeadlock`	核心程序卡住，等待其他核心程序釋出所需資源。	否
`ReadonlyFilesystem`	叢集因發生問題 (例如磁碟已滿) 而無法寫入檔案系統。	否
`FrequentKubeletRestart`	kubelet 經常重新啟動，導致節點無法有效執行 Pod。	否
`FrequentDockerRestart`	Docker daemon 在 20 分鐘內重新啟動超過 5 次。	否
`FrequentContainerdRestart`	容器執行階段在 20 分鐘內重新啟動超過 5 次。	否
`FrequentUnregisterNetDevice`	節點經常取消註冊網路裝置。	否
`CorruptDockerOverlay2`	Docker overlay2 儲存空間驅動程式目錄中的檔案系統有問題或不一致。	否
`OrphanContainers`²	容器專屬的 Pod 已刪除，但對應的容器仍存在於節點中。	否
`ContainerRuntimeUnhealthy`	容器執行階段無法正常運作，導致 Pod 無法在節點上執行或排程。	是
`FailedCgroupRemoval`²	部分 cgroup 處於凍結狀態。	是
`KubeletUnhealthy`	節點無法正常運作，或未回應控制層。	是

¹ 1.32 以上版本支援在特定條件下自動修復偵測到的問題。

² 支援 1.32 以上版本。

節點問題偵測工具回報的 Events 類型範例如下：

Warning TaskHung node/vm-worker-1-user-a12fabb4a99cb92-ddfce8832fd90f6f.lab.anthos kernel: task docker:7 blocked for more than 300 seconds.
Warning KernelOops node/vm-worker-1-user-a12fabb4a99cb92-ddfce8832fd90f6f.lab.anthos kernel: BUG: unable to handle kernel NULL pointer dereference at 00x0.

這項工具可以修復哪些問題？

從 1.32 版開始，當節點問題偵測工具發現特定 NodeConditions 時，可以自動修復節點上的對應問題。下列 NodeConditions 支援自動修復功能：

ContainerRuntimeUnhealthy
FailedCgroupRemoval
KubeletUnhealthy

如何查看偵測到的問題

執行下列 kubectl describe 指令，尋找 NodeConditions 和 Events：

kubectl describe node NODE_NAME \
    --kubeconfig=KUBECONFIG

更改下列內容：

NODE_NAME：要檢查的節點名稱。
KUBECONFIG：叢集 kubeconfig 檔案的路徑。

如何啟用及停用節點問題偵測工具

根據預設，節點問題偵測工具會啟用，但您可以在 node-problem-detector-config ConfigMap 資源中停用。除非您明確停用，否則節點問題偵測工具會持續監控節點，找出代表節點發生問題的特定狀況。

如要停用特定叢集的節點問題偵測工具，請按照下列步驟操作：

編輯 node-problem-detector-config ConfigMap 資源：
```
kubectl edit configmap node-problem-detector-config \
    --kubeconfig=KUBECONFIG \
    --namespace=CLUSTER_NAMESPACE
```
更改下列內容：
- KUBECONFIG：叢集 kubeconfig 檔案的路徑。
- CLUSTER_NAMESPACE：要啟用節點問題偵測工具的叢集命名空間。
這個指令會自動啟動文字編輯器，您可以在其中編輯 node-problem-detector-config 資源。
在 node-problem-detector-config 資源定義中，將 data.enabled 設為 false。
```
apiVersion: v1
kind: ConfigMap
metadata:
  creationTimestamp: "2025-04-19T21:36:44Z"
  name: node-problem-detector-config
...
data:
  enabled: "false"
```
node-problem-detector-config ConfigMap 一開始沒有 data 欄位，因此您可能需要新增該欄位。
如要更新資源，請儲存變更並關閉編輯器。

如要重新啟用節點問題偵測工具，請執行上述步驟，但在 node-problem-detector-config 資源定義中將 data.enabled 設為 true。

如何啟用及停用自動修復功能

從 1.32 版開始，節點問題偵測工具會檢查特定 NodeConditions，並自動修復節點上的對應問題。根據預設，系統會為支援的 NodeConditions 啟用自動修復功能，但您可以在 node-problem-detector-config ConfigMap 資源中停用這項功能。

如要停用特定叢集的自動修復行為，請按照下列步驟操作：

編輯 node-problem-detector-config ConfigMap 資源：
```
kubectl edit configmap node-problem-detector-config \
    --kubeconfig=KUBECONFIG \
    --namespace=CLUSTER_NAMESPACE
```
更改下列內容：
- KUBECONFIG：叢集 kubeconfig 檔案的路徑。
- CLUSTER_NAMESPACE：要啟用節點問題偵測工具的叢集命名空間。
這個指令會自動啟動文字編輯器，您可以在其中編輯 node-problem-detector-config 資源。
在 node-problem-detector-config 資源定義中，將 data.check-only 設為 true。
```
apiVersion: v1
kind: ConfigMap
metadata:
  creationTimestamp: "2025-04-19T21:36:44Z"
  name: node-problem-detector-config
...
data:
  enabled: "true"
  check-only: "true"
```
node-problem-detector-config ConfigMap 一開始沒有 data 欄位，因此您可能需要新增該欄位。將 check-only 設為 "true"，即可停用所有支援條件的自動修復功能。
如要更新資源，請儲存變更並關閉編輯器。

如要為所有支援自動修復功能的 NodeConditions 重新啟用這項功能，請在 node-problem-detector-config ConfigMap 中將 data.check-only 設為 "false"。

如何停止及重新啟動節點問題偵測工具

節點問題偵測工具會以 systemd 服務的形式在各個節點上執行。如要管理特定節點的節點問題偵測工具，請使用 SSH 存取節點，並執行下列 systemctl 指令。

如要停用節點問題偵測工具，請執行下列指令：
```
systemctl stop node-problem-detector
```
如要重新啟動節點問題偵測工具，請執行下列指令：
```
systemctl restart node-problem-detector
```
如要檢查節點問題偵測工具是否在特定節點上執行，請執行下列指令：
```
systemctl is-active node-problem-detector
```

不支援的功能

Google Distributed Cloud 不支援下列節點問題偵測工具自訂項目：

將節點問題偵測工具報告匯出至其他監控系統，例如 Cloud Monitoring 或 Prometheus。
自訂要尋找的NodeConditions或Events。
執行使用者定義的監控指令碼。

後續步驟