1. 面试模拟现场Pod 起不来你该怎么答面试官丢过来一句“Pod 一直 CrashLoopBackOff你怎么排查”很多人第一反应是背概念先 describe 看 Events再 logs 看日志然后 top nodes 看资源。背得没错但真到模拟环境里命令敲下去一堆输出反而不知道哪条是关键。更尴尬的是面试官追问“探针配错了会表现成什么状态”你只能含糊说“会重启”。这篇就把这个场景拆开用本地 kubectl 连一个练习集群把 CrashLoopBackOff 和探针配置错误两类高频考点跑一遍同时用 TaoToken 的统一 Key 把 AI 辅助排查接进来。TaoToken 在这里的角色不是替代 kubectl而是给你一个统一的模型调用入口——你排障时想让模型帮你读 Events、解释探针行为、生成校验脚本不用在多个平台之间切 Key。官网入口在 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 地址是 https://taotoken.net/api 。适合谁看正在准备 K8s 面试、能敲基本 kubectl、但排障时容易乱的人。下面所有配置和命令都可以直接复制跑完你会得到两个明确结果一个 CrashLoopBackOff 的定位路径一个探针配置错误的校验方法。2. 前置准备TaoToken 统一 Key 与本地环境先说清楚为什么要用统一 Key。面试模拟时你可能会让模型做几件事解释一段 Events 输出、把探针 YAML 改对、生成一个批量校验脚本。如果每个模型都单独配 Key环境变量会乱settings.json 也会散。TaoToken 提供的是兼容常见接口格式的统一通道你拿一个 Key 就能在对话、编码、脚本里复用。拿 Key 的路径进控制台 https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 在 API Keys 页面创建一个。创建后先别急着写进代码用环境变量过渡export TAOTOKEN_API_KEYsk-你的key export TAOTOKEN_BASE_URLhttps://taotoken.net/api本地环境需要三样东西kubectl、一个能连的练习集群minikube、kind 或公司测试集群都行、以及一个能发 HTTP 请求的工具curl 就够。验证 kubectl 可用kubectl version --client kubectl get nodes如果get nodes返回 NotReady 或连不上先解决集群连通性别往下走。排障练习最怕环境本身有问题会把你的判断带偏。注意TaoToken 是模型调用通道不参与集群网络也不替代 kubectl。你的 kubeconfig 该指向哪个集群还是哪个集群。3. 可复制配置kubeconfig 片段与 settings.json 骨架3.1 kubeconfig 片段面试模拟常用多集群切换建议单独建一个 context别动默认配置。把下面片段合并进~/.kube/config或者用KUBECONFIG指向独立文件apiVersion: v1 kind: Config clusters: - name: practice-cluster cluster: server: https://127.0.0.1:6443 certificate-authority-data: 你的CA base64 contexts: - name: practice context: cluster: practice-cluster user: practice-user namespace: default current-context: practice users: - name: practice-user user: client-certificate-data: 你的证书 base64 client-key-data: 你的私钥 base64切过去确认kubectl config use-context practice kubectl config current-context3.2 settings.json 骨架如果你用支持 settings.json 的编码工具做 AI 辅助排查把模型通道统一指向 TaoToken。骨架如下重点是baseUrl和apiKey走环境变量别硬编码{ ai: { provider: taotoken, baseUrl: https://taotoken.net/api, apiKeyEnv: TAOTOKEN_API_KEY, model: claude-sonnet-4-20250514, timeoutMs: 60000 }, k8s: { kubeconfig: ~/.kube/config, context: practice, defaultNamespace: default } }模型名按你控制台里实际可用的填别照抄。配置好后你的排查脚本和对话工具共用同一个 Key换模型只改model字段。4. 实战一CrashLoopBackOff 定位路径4.1 先造一个会崩的 Pod用一个必然退出的命令模拟崩溃apiVersion: v1 kind: Pod metadata: name: crash-demo labels: app: crash-demo spec: containers: - name: app image: busybox:1.36 command: [sh, -c, echo start exit 1] resources: requests: cpu: 100m memory: 64Mi limits: cpu: 200m memory: 128Mikubectl apply -f crash-demo.yaml kubectl get pod crash-demo -w你会看到状态从 Running 快速变成 Error然后 CrashLoopBackOff重启次数递增。4.2 三步定位第一步看 Events重点找 Reason 和 Messagekubectl describe pod crash-demo | sed -n /Events:/,$p第二步看上一次崩溃的日志注意--previouskubectl logs crash-demo --previous第三步看退出码和重启原因kubectl get pod crash-demo -o jsonpath{.status.containerStatuses[0].lastState.terminated.exitCode} kubectl get pod crash-demo -o jsonpath{.status.containerStatuses[0].lastState.terminated.reason}这个例子里 exitCode 是 1reason 是 ErrorEvents 里会写 Back-off restarting failed container。面试时把这三步讲清楚比背十行概念有用。4.3 让 AI 帮你读 Events把 describe 的 Events 段贴给模型让它只做一件事区分“应用自身退出”和“被 kubelet 杀掉”。提示词可以这样写下面是一个 K8s Pod 的 Events 输出请判断容器退出是应用自身原因还是被 kubelet 终止 并给出下一步该看哪个字段。只输出判断依据和字段名不要复述原文。模型返回后你对照lastState.terminated.reason验证。这一步的价值是训练你的判断路径不是让模型替你下结论。5. 实战二探针配置错误校验5.1 探针配错会怎样这是面试高频追问点。livenessProbe 配错容器会被反复重启表现和 CrashLoopBackOff 很像但日志里应用其实是正常的。readinessProbe 配错Pod 一直 Running 但 Ready 是 0/1Service 不转发流量。startupProbe 配错慢启动应用会被误杀。造一个 readiness 配错的例子apiVersion: v1 kind: Pod metadata: name: probe-demo spec: containers: - name: web image: nginx:1.25 ports: - containerPort: 80 readinessProbe: httpGet: path: /healthz port: 80 initialDelaySeconds: 2 periodSeconds: 3nginx 默认没有/healthz所以 readiness 永远失败。kubectl apply -f probe-demo.yaml kubectl get pod probe-demo你会看到 READY 是 0/1但 STATUS 是 Running。这就是关键区别Running 不等于 Ready。5.2 校验命令看探针失败事件kubectl describe pod probe-demo | grep -A3 -i readiness\|unhealthy看容器是否真的在跑kubectl exec probe-demo -- curl -s -o /dev/null -w %{http_code}\n http://localhost/healthz返回 404说明探针路径本身就不存在。修法是把 path 改成/或者给应用加健康端点。5.3 用脚本批量校验探针面试里如果能说出“我会写脚本批量查”加分。下面这个脚本遍历 namespace 下所有 Pod输出探针配置和当前 Ready 状态#!/usr/bin/env bash set -euo pipefail NS${1:-default} kubectl get pods -n $NS -o json | jq -r .items[] | .metadata.name as $n | (.spec.containers[] | .name) as $c | \($n)\t\($c)\t\(.spec.containers[0].readinessProbe ! null)\t\(.spec.containers[0].livenessProbe ! null) | column -t跑之前确认装了 jq。输出四列Pod 名、容器名、是否有 readiness、是否有 liveness。再配合kubectl get pods的 READY 列就能快速筛出“配了探针但没 Ready”的 Pod。6. 本篇常见错排查错误一kubectl logs报 previous 不存在。说明容器还没崩溃过或者 Pod 刚重建。先kubectl get pod -o yaml看 restartCount为 0 时不要加--previous。错误二describe 里 Events 为空。可能是事件已过期默认保留一小时。用kubectl get events --field-selector involvedObject.namecrash-demo再查一次。错误三探针端口写错但容器在跑。表现是 readiness 失败、liveness 可能也失败。用kubectl exec进容器curl localhost:端口确认端口是否监听别只看 YAML。错误四settings.json 里 baseUrl 写成首页。模型调用要走 API 地址https://taotoken.net/api不是官网首页。Key 用环境变量注入别提交到仓库。错误五把 Running 当成 Ready。这是面试最容易被抓的点。Running 只说明容器进程在Ready 才说明探针通过、可以接流量。回答时主动区分这两个状态。错误六资源 limits 设太小导致 OOMKilled。表现是 exitCode 137、reason OOMKilled。用kubectl describe pod看 Last State再对照kubectl top pod的实际用量调整。7. 把统一 Key 接进你的排查流程排障和配置校验跑通后下一步是把 AI 辅助固定成流程。我的做法是describe 输出先自己读一遍把不确定的字段丢给模型解释探针 YAML 改完让模型做一次静态检查批量脚本生成后本地跑一遍再信。这样模型是加速器不是拐杖。需要长期做编码和 Agent 类任务的可以看 Coding Plan 页面 https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 把模型调用额度规划好。只想先验证模型对话效果的直接进模型对话 https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 。接入细节和参数说明在文档 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content Key 管理在 API Keys https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 。面试模拟时把 CrashLoopBackOff 的三步定位和探针的 Running/Ready 区分讲成条件反射比多背二十道概念题更稳。集群里多跑几次崩溃 Pod手感就出来了。