赛博工地巡检手册：污点与容忍度排查指令集

本手册用于在断电演练、网络分区或节点异常时，快速定位 Kubernetes 集群中的“调度排斥”与“非法滞留”问题。

🛡️ 节点污点 (Taints) 排查

当发现大量 Pod 无法调度到某个节点（处于 Pending），或者正在被莫名其妙地驱逐时，首先检查节点大门是否被贴了“封条”。

1. 扫描全集群所有节点的污点状态

一行命令看清哪台机器被打上了什么标签，非常适合大盘巡检。

kubectl get nodes -o custom-columns=NAME:.metadata.name,TAINTS:.spec.taints[*].key

2. 深入侦测单台机器的完整污点细节

当发现某台节点（如 k3s-master-03）异常时，查看它具体的逐客令类型（NoSchedule 还是 NoExecute）。

kubectl describe node k3s-master-03 | grep Taints

3. 【高危】手动给节点打污点 (隔离节点)

如果在维护物理机，不想让新的业务调度过来，可以手动贴封条：

# 语法：kubectl taint nodes <节点名> <键>=<值>:<效果>
kubectl taint nodes k3s-master-03 maintenance=true:NoSchedule

4. 手动撕掉节点的污点 (解除隔离)

节点修好后，把刚才打的污点去掉（注意末尾的减号 - 代表删除）：

kubectl taint nodes k3s-master-03 maintenance=true:NoSchedule-

---

🎟️ Pod 容忍度 (Tolerations) 排查

当节点明明被打上了 NoExecute 污点，但某些 Pod 却“死皮赖脸”不走时，查查它们兜里是不是揣了特权通行证。

5. 查看单个 Pod 的容忍度与存活时间

查验某个具体的 Pod 到底能“硬抗”什么污点，以及能抗多久（tolerationSeconds）。

kubectl describe pod <pod-name> -n <namespace> | grep -A 10 Tolerations

6. 找出整个 Namespace 下所有 Pod 的隐形容忍度

以 YAML 格式输出并使用 grep 过滤，排查是否有被强行注入 tolerationSeconds: 6000 的“钉子户”。

kubectl get pods -n kube-system -o yaml | grep -E "name:|tolerationSeconds"

---

🚨 驱逐与强制清理 (Eviction)

当等待期耗尽，或者你想跳过五分钟的“缓刑期”时使用的暴力手段。

7. 查看集群最近发生的“驱逐血案”

看看 API Server 是在几分几秒正式下达驱逐令的。

kubectl get events -A | grep -i Evict

8. 架构师的铁锤：超度“僵尸 Pod”

无需等待 5 分钟（300秒），瞬间抹除数据库记录，强制触发控制器在其他健康节点重建业务。

kubectl delete pod <pod-name> -n <namespace> --force --grace-period=0