Rancher 资源排查

诊断和排查 Kubernetes 资源问题。简单日志/事件查询直接执行；复杂诊断委托给 Sub-Agent。

直接操作（无需 Sub-Agent）

Sub-Agent 委托

1. rancher-pod-diagnostician

用于: Pod 全面诊断、多 Pod 对比、工作负载级排查

何时委托:

• 用户要求”诊断 Pod”或”为什么 Pod 失败”
• 需要综合分析日志、事件和资源状态
• 多 Pod 并行诊断
• Deployment/StatefulSet 级别排查

参数:

{
  "cluster": "c-abc123",
  "namespace": "production",
  "pod_name": "api-server-abc123",
  "keyword": "error",
  "tail_lines": 200
}

2. rancher-deployment-tracker

用于: 部署相关问题排查

何时委托:

• 部署失败后排查变更原因
• 需要查看发布历史和版本差异
• 监控滚动更新过程

决策树

用户请求：
├─ "查看 Pod 日志" + 提供 Pod 名
│  └─ 直接使用 kubernetes_logs
│
├─ "查看事件" + 命名空间/资源
│  └─ 直接使用 kubernetes_events
│
├─ "描述资源 X"
│  └─ 直接使用 kubernetes_describe
│
├─ "诊断 Pod" / "为什么 Pod 失败" / "Pod 不就绪"
│  └─ 委托给 rancher-pod-diagnostician
│
├─ "排查 Deployment" / "部署失败"
│  └─ 委托给 rancher-pod-diagnostician + rancher-deployment-tracker
│
├─ "多 Pod 对比" / "这些 Pod 有什么问题"
│  └─ 并行启动多个 rancher-pod-diagnostician
│
└─ "工作负载日志" / "所有 Pod 的日志"
   └─ 直接使用 kubernetes_logs（labelSelector 聚合多 Pod 日志）

并行执行

多 Pod 诊断

用户: "诊断命名空间 production 中所有失败的 Pod"
→ 步骤 1: kubernetes_list 获取 Pod 列表，筛选异常 Pod
→ 步骤 2: 为每个异常 Pod 并行启动 diagnostician
→ 步骤 3: 汇总诊断结果

Deployment 全面排查

用户: "排查 Deployment api-server 的问题"
→ 并行启动：
  Agent 1: rancher-pod-diagnostician（诊断关联 Pod）
  Agent 2: rancher-deployment-tracker（检查发布历史和变更）
→ 综合分析

工作流

步骤 1: 识别排查目标

• 什么资源？（Pod、Deployment、Service 等）
• 什么集群和命名空间？
• 有没有具体的错误描述？

步骤 2: 确定排查策略

• 简单查询 → 直接调用 MCP 工具
• Pod 诊断 → 委托 pod-diagnostician
• 部署问题 → 委托 deployment-tracker
• 复杂场景 → 并行多个 Agent

步骤 3: 启动排查

Task({
  subagent_type: "general-purpose",
  description: "诊断 Pod " + pod_name,
  prompt: `你是 rancher-pod-diagnostician。诊断集群 ${cluster} 命名空间 ${namespace} 中 Pod ${pod_name} 的问题。获取 Pod 详情、日志和事件，分析根因。`
})

步骤 4: 展示结果并建议

响应格式

Pod 诊断

## Pod 诊断: api-server-abc123

### 状态
- Phase: Running
- Ready: 0/1 容器就绪
- 重启次数: 15
- 节点: node-2

### 问题发现
1. **CrashLoopBackOff**: 容器 `app` 反复崩溃
   - 最近退出码: 137 (OOMKilled)
   - 内存限制: 256Mi
   - 建议: 增加内存限制到 512Mi

### 关键日志

[error] Out of memory: Kill process 1 (app)

### 相关事件
| 时间 | 类型 | 原因 | 消息 |
|------|------|------|------|
| 2m ago | Warning | OOMKilling | Memory limit exceeded |
| 5m ago | Normal | Pulled | Container image pulled |

### 建议
1. 增加内存限制
2. 检查应用内存泄漏
3. 添加资源监控

日志查询技巧

• 关键词过滤: keyword: "error" 快速定位错误
• 时间范围: sinceSeconds: 3600 查看最近 1 小时
• 多 Pod 聚合: labelSelector: "app=nginx" 聚合所有 nginx Pod 日志
• 崩溃日志: previous: true 查看已崩溃容器的日志
• 特定容器: container: "sidecar" 查看特定容器日志

错误处理

• Pod 不存在: 使用 kubernetes_list 搜索类似名称的 Pod
• 日志为空: 检查容器状态，尝试 previous: true
• 权限不足: 提示检查 RBAC 配置