如何通过动手实验调试卡住的Kubernetes滚动更新
内容提要
本文介绍在Kubernetes实验环境中诊断滚动更新卡住的方法，通过镜像拉取失败、就绪探针失败、Pod无法调度三种故障说明更新停滞时旧版本Pod仍可继续服务流量。排查应沿Deployment、ReplicaSet、Pod的归属链进行，结合事件、条件与Service响应判断故障位置，并区分客户端超时与控制器进度截止时间。
延伸解读
滚动更新卡住时，旧Pod为何仍在服务？
文章通过三个故障实验表明，当新Pod因镜像拉取失败、就绪探针失败或无法调度而无法就绪时，Deployment控制器会保留旧版本的Pod继续提供服务。这是因为滚动更新策略中maxUnavailable: 0确保在替换Pod可用前不会减少旧Pod数量。因此，即使kubectl rollout status超时，Service仍可能正常响应，但响应来自旧Pod。读者需注意，这并不代表更新成功，而是更新停滞。
区分客户端超时与控制器进度截止时间
kubectl rollout status的--timeout是客户端等待超时，仅停止监视，不会取消更新或回滚。而Deployment控制器的progressDeadlineSeconds是进度截止时间，超时后会将Progressing条件置为False，原因为ProgressDeadlineExceeded，但同样不会自动回滚。文章强调，Available=True可能因旧Pod仍可用而保持，需结合Progressing的reason和副本数判断更新状态。
排查卡住更新：沿所有权链定位故障
诊断时应从Deployment到ReplicaSet再到Pod，利用ownerReferences中的UID确认归属关系。检查Pod的调度状态、容器状态和就绪条件，并通过Events获取具体错误信息。例如，镜像拉取失败会显示ErrImagePull或ImagePullBackOff，就绪探针失败会显示HTTP 404，调度失败会显示FailedScheduling。同时，通过EndpointSlice和Service响应确认哪些Pod实际在提供服务。
实验环境的局限性
文章中的实验基于单节点kind集群和有限HTTP采样，结果不能直接推广到生产环境。例如，Service未启用publishNotReadyAddresses，因此未就绪Pod不会接收流量，但其他配置可能不同。此外，实验仅覆盖了三种特定故障，实际中可能遇到资源不足、网络问题等其他原因。读者应理解原理，而非机械套用结论。
Q&A
为什么Kubernetes滚动更新卡住时，旧版本Pod还能继续服务流量？
因为Deployment的滚动更新策略设置了maxUnavailable: 0，控制器必须等待新Pod就绪后才会减少旧Pod。当新Pod因镜像拉取失败、就绪探针失败或无法调度而无法就绪时，旧Pod会继续保留并处理请求。
如何排查Kubernetes滚动更新卡住的问题？
应沿Deployment→ReplicaSet→Pod的归属链排查：先检查Deployment的conditions（如Progressing状态和原因），再查看ReplicaSet和Pod的事件、状态条件，最后通过Service的EndpointSlice和实际请求确认哪些Pod在响应。
kubectl rollout status超时和Deployment的ProgressDeadlineExceeded有什么区别？
kubectl rollout status --timeout是客户端等待超时，不会取消更新或回滚；而ProgressDeadlineExceeded是Deployment控制器在progressDeadlineSeconds（如180秒）内未取得进展时设置的条件，表示更新停滞，但控制器不会自动回滚。
镜像拉取失败导致滚动更新卡住时，Pod会显示什么状态和事件？
Pod会被调度（PodScheduled=True，有nodeName），但容器处于等待状态，原因先是ErrImagePull，随后变为ImagePullBackOff，Pod阶段保持Pending。事件中会包含具体的镜像拉取错误信息，如“not found”。
就绪探针失败导致滚动更新卡住时，Pod的状态和事件是怎样的？
Pod处于Running阶段，PodScheduled=True，但Ready=False，容器重启次数为0。事件中会显示“Readiness probe failed: HTTP probe failed with statuscode: 404”，表明探针路径返回了404，导致Pod未就绪。
Pod无法调度导致滚动更新卡住时，如何与镜像拉取失败区分？
无法调度时PodScheduled=False，原因为Unschedulable，没有nodeName，containerStatuses为空，事件为FailedScheduling；而镜像拉取失败时PodScheduled=True，有nodeName，容器处于等待状态，事件为镜像拉取错误。
