feat(k8s): install.sh 三级部署预检——kubectl 缺失/连不上集群时给出可执行的具体修法
用户反馈：部署时报错只说「未找到 kubectl，请先安装」「kubectl 无法连接集群，
请检查 kubeconfig」，对新人等于没说 —— 不知道是没装工具、网络不通、凭据过期
还是 RBAC 没权限，也不知道下一步查什么。
原实现只有两行：
command -v kubectl || die "未找到 kubectl，请先安装"
kubectl version --request-timeout=5s || die "kubectl 无法连接集群，请检查 kubeconfig"
改为三级预检 + 一级软检查：
【0.1 kubectl 是否存在】
按 CentOS/TencentOS、Ubuntu/Debian、macOS 分别给安装命令；
额外给「机器没有外网」的替代路径（控制台下载 / 内网跳板机 / 只 scp 二进制）。
【0.2 kubeconfig 文件是否存在】← 新增，堵一个误判
KUBECONFIG 指向不存在的文件时，kubectl 会忽略它并退回默认规则，
最终报出 "Authentication required" / "connection refused" 这类误导性错误，
让人白查凭据和网络。现在单独判一次，直接给出查找路径 + 各云控制台下载入口。
支持 KUBECONFIG 用 : 分隔多路径，任一存在即通过。
【0.3 能否连上 API Server】按错误类型分类，各给专属修法
· context 不存在 → get-contexts / use-context / 重新下载
· 401 认证失败 → 云厂商 token 有效期几小时，重新下载；自建查客户端证书
· 403 RBAC 拒绝 → auth whoami / auth can-i --list，列出部署所需的具体资源
· x509 证书问题 → 确认证书过期；可信内网可临时 insecure-skip-tls-verify
· 网络不通 → curl -k <API>/version、VPN/专线、安全组放行 6443、换跳板机
· 其他 → 原样打印 kubectl 错误 + 通用排查清单
【0.4 部署权限软检查】auth can-i 非 yes 时只告警不阻断
（首次部署时目标命名空间可能还不存在，硬拦会误伤正常流程）
失败时统一打印环境信息（kubeconfig 路径 / context / API Server / 当前用户），
一眼看出连的是哪个集群。连接超时可用 KUBECTL_TIMEOUT=15s 放宽（默认 8s）。
README 同步新增「前置条件」章节：预检项对照表 + 错误分类表 + 失败输出示例。
=== 验证 ===
从真实 install.sh 抽出预检段，用假 kubectl 精确模拟 8 种场景（两个脚本各跑一遍）：
A 没有 kubectl → 退出 1，打印各系统安装命令 ✅
B API Server 超时 → 退出 1，提示 VPN/专线/安全组 ✅
C 没有 context → 退出 1，提示 get-contexts/use-context ✅
D 401 凭据过期 → 退出 1，提示重新下载 kubeconfig ✅
E 403 权限不足 → 退出 1，列出所需资源权限 ✅
F x509 证书过期 → 退出 1，提示证书/insecure 排障 ✅
G 正常环境（真实集群） → 通过预检，退出 0 ✅
H kubeconfig 文件不存在 → 退出 1，提示下载位置（不误报成 401）✅
结果：阻断 7/7、正常通过 1/1；bash -n 语法检查通过
⚠️ 踩坑记录：kubeconfig 多路径判断最初写成
while IFS= read -r _p; do ...; done < <(printf "%s" "$PATHS" | tr ":" "\n")
printf 输出没有结尾换行 → read 带着数据返回非 0（EOF）→ 循环体一次都不执行，
导致所有场景都误报「找不到 kubeconfig」。改用 IFS=":" + for 拆分。
This commit is contained in:
opsx committed
1 parent
7b600f7eee
commit
c759e111ec
2 files changed
+212
-2
No files matched your search
@@ -65,6 +65,52 @@ WITH_NODEPORT=1 bash kubernetes/install.sh
|
||||
| 镜像 | 节点可拉 `lghost/lokistack:latest`（或改成自己的 Harbor/ACR/TCR/SWR） |
|
||||
| 权限 | 有 `log` 命名空间的 create/apply 权限 |
|
||||
|
||||
|
||||
## 前置条件（`install.sh` 会自动检查，不通过直接给出具体修法）
|
||||
|
||||
脚本启动时做**三级预检 + 一级软检查**，任何一级不通过都会立即退出并打印「是哪一类问题、
|
||||
下一步做什么」，不会跑到一半才报错：
|
||||
|
||||
| 预检项 | 不通过时的提示内容 |
|
||||
|--------|-------------------|
|
||||
| **kubectl 是否安装** | 按 CentOS/TencentOS、Ubuntu/Debian、macOS 分别给安装命令；并给出「机器没有外网」时的替代方案（控制台下载 / 内网跳板机执行 / 只 scp 二进制） |
|
||||
| **kubeconfig 是否存在** | 打印实际查找路径（`$KUBECONFIG` 或 `~/.kube/config`），给出腾讯云 TKE / 阿里云 ACK / AWS EKS 各自下载 kubeconfig 的入口，以及 `chmod 600` 建议 |
|
||||
| **能否连上 API Server** | **按错误类型分类**（见下表），不是笼统一句「请检查 kubeconfig」 |
|
||||
| **部署权限（软检查）** | `kubectl auth can-i create deployments.apps -n <ns>` 非 `yes` 时告警，提示绑定 Role 或改用管理员 kubeconfig；**不阻断**，避免首次部署时命名空间尚未创建导致误拦 |
|
||||
|
||||
### 连不上集群时的分类提示
|
||||
|
||||
| 实际错误 | 脚本的判断 | 给出的处理方向 |
|
||||
|---------|-----------|---------------|
|
||||
| `current-context is not set` / `context does not exist` | kubeconfig 没有可用 context | `kubectl config get-contexts` → `use-context` → 重新下载 kubeconfig |
|
||||
| `Unauthorized` / `Authentication required` | 认证失败（云厂商 token 几小时就过期） | 回控制台重新下载 kubeconfig；自建集群查客户端证书 |
|
||||
| `Forbidden` / `403` | 已连上集群但 RBAC 拒绝 | `kubectl auth whoami`、`auth can-i --list -n <ns>`，列出部署所需的具体资源权限 |
|
||||
| `x509` / `certificate` / `tls:` | 证书过期或域名不匹配 | 确认 API Server 证书；可信内网可临时 `--insecure-skip-tls-verify` 排障 |
|
||||
| `connection refused` / `no such host` / `context deadline exceeded` / `i/o timeout` | 网络不通 | ①`curl -k <API>/version` ②**内网地址需 VPN/专线** ③安全组放行 6443 ④查集群状态 ⑤换成跳板机试 |
|
||||
|
||||
失败时的完整输出形如：
|
||||
|
||||
```text
|
||||
❌ 连不上集群 API Server（网络不通）
|
||||
|
||||
kubeconfig : /root/.kube/config
|
||||
当前 context : tke-pre
|
||||
API Server : https://172.19.16.13:443
|
||||
当前用户 : admin
|
||||
|
||||
实际报错: Unable to connect to the server: context deadline exceeded (...)
|
||||
|
||||
── 按顺序排查 ───────────────────────────────────────────────────────
|
||||
1) 地址对不对？用上面打印的 API Server 测一下: curl -k --max-time 5 <API Server>/version
|
||||
2) 要不要 VPN / 专线？云上 API Server 常是内网地址（10.x / 172.16~31.x / 192.168.x）...
|
||||
3) 安全组 / 防火墙：云厂商默认只放行运维网段访问 6443 端口
|
||||
4) 集群本身是否正常：控制台看集群状态是否「运行中」
|
||||
5) 换台机器试：在能访问集群的跳板机上执行本脚本，可排除本机网络问题
|
||||
```
|
||||
|
||||
> 预检只读不写、耗时 < 1 秒。API Server 连接超时可用 `KUBECTL_TIMEOUT=15s` 放宽（默认 8s）。
|
||||
|
||||
|
||||
## 脚本自动处理什么
|
||||
|
||||
`install.sh` 不是无脑 apply，它会先探测环境再动手：
|
||||
|
||||
Reference in new issue
Block a user