K8S运维避坑：解决Calico频繁重启的3个关键步骤

今天要聊一个Kubernetes部署过程中看似基础却极易踩坑的问题：网段规划。

这个看似简单的配置项，往往会让很多刚上手的朋友栽跟头。

1. 故障现象

昨天在帮社区运维同行答疑时，有位工程师说他刚部署的Kubernetes集群中，Calico组件一直处于CrashLoopBackOff状态，不断重启。

2. 解决问题

我首先让他用describe命令查看Pod的详细状态。

从截图来看，就绪检测失败了，无法连接到API Server。

为了尽快定位问题，我通过远程工具连接他的电脑进行操作。

我先查看了失败Pod的日志。执行下面命令：

kubectl logs -n kube-system calico-kube-controllers-775fd85945-bx8fk

查看到日志里的关键报错。

Get "https://10.224.0.1:443/apis/crd.projectcalico.org/v1/clusterinformations/default": dial tcp 10.224.0.1:443: i/o timeout

也就是说Calico控制器（calico-kube-controllers）在启动时无法访问Kubernetes API Server（10.224.0.1:443）。

Calico连接不上API Server。这基本上等同于网络"断了主干线"。

这时我已经初步判断可能是网络原因，检查了防火墙，结果都是关闭的，那很可能是Kubernetes网络问题。

在群友提供的截图中还有一个pod没有完全起来，那就是CoreDNS处于Running但未就绪（Ready=False）状态。

于是我顺手看了下CoreDNS的信息：

kubectl describe po coredns-757cc6c8f8-4t6qt -n kube-system

果然，熟悉的错误出现了：

Readiness probe failed: HTTP probe failed with statuscode: 503

这时候可以断定，问题不在镜像，也不在探针。整个Pod网络已经失联。出现503状态

接着我检查了主机IP，找到了最根本的原因：Pod网络和宿主机网络冲突了

群友初始化时将Pod网段设置为192.168.0.0/16，而他的宿主机网卡就在192.168.169.0/24，宿主机网段在Pod网段里。

这俩网段就重叠了！

3. 根本原因

最根本原因是网段冲突了，Pod流量被错误地送进了"虚拟网卡"

因为这次网段冲突，Pod想访问API Server时，路由表判断："192.168？那是我Calico管的"，于是流量被错误地送进虚拟网卡caliXXX，然后直接丢包。

最后让群友修改网段重新初始化后，Kubernetes集群所有的Pod都已正常运行。

4. 后续正确做法

为了避免这种坑，记住一个原则：Pod网段、Service网段、宿主机网段，绝对不能重叠。

Kubernetes的网络设计，本质上有三层独立的网段：每一层都要相互隔离、不重叠、不冲突。

5. 其他启示

本次排查过程，还可以得出下面三个启示：