FDE Times 数据在招 FDE 职位 873▼9 近 7 天在招职位数的变化(同口径比较):不计入本周新开始追踪的公司的职位近 7 天新增 55在招公司 181支持远程 25%美国薪资中位数 $200k招聘最多 Databricks 98
ENVI

前线部署工程师(FDE)的专业媒体

工具

k9s 让你更快看懂客户集群,也更容易误删

打开生产集群前先开启只读模式,因为 ctrl-k 删除资源时不会要求确认。

分享微博

要点速览

  • k9s 是持续监视 Kubernetes 集群的终端 UI,支持 Linux、macOS 和 Windows,采用 Apache 2.0 许可证。
  • 冒号命令、正则与标签过滤、Pulses、XRay 和实时日志,能帮你更快在陌生集群中定位故障。
  • ctrl-k 删除资源时不要求确认,所以操作客户生产集群前要先开启只读模式。
在客户集群上使用 k9s 的决策树:如果打开的是生产 context,就开启只读,禁用 delete、kill 和 edit,连 ctrl-k 也会被拦住。如果是 dev,先确认客户是否书面同意:未同意则保持只读,同意后才允许编辑。
k9s 的只读模式默认关闭,但可以全局开启,也可以按 context 开启。应从一开始就为每个生产 context 开启只读,只有在客户书面同意后才允许在 dev 中编辑。

在 k9s 里,一个组合键就足以删除客户集群上的资源。官方文档把 ctrl-k 描述为一条不弹确认框的 kill 命令,等同于 kubectl delete --now。

这种场景并不陌生。你刚 SSH 登录客户的跳板机,还不清楚哪个命名空间跑着什么,客户团队正等你解释新服务为什么一直重启。

先 kubectl get 查 Pod,再查 Deployment,再查事件,逐个核对名称,既慢又容易出错。k9s 能缩短这个排查过程,但正因为快,动手之前更要先锁住写权限。

k9s 到底是什么

k9scli.io 首页把 k9s 定义为一个用于操作 Kubernetes 集群的终端 UI。GitHub 仓库把目标说得很直白:让浏览、观察和管理应用更容易。这个工具持续监视 Kubernetes 的变化,并提供命令,让你直接操作正在观察的资源。

Fernand Galiana 在 2019 年初发表了一篇题为“If you K8s, please try K9s…”的文章,介绍了 k9s,核心想法是用一个工具完成集群的管理和诊断。k9s 采用 Apache 2.0 许可证,支持 Linux、macOS 和 Windows,可通过 Homebrew、snap、winget、Scoop、Chocolatey、Docker 或 go install 安装。

对前线部署工程师(FDE)来说,区别就在“监视”这一点上。kubectl 给你的是输入命令那一刻的快照;k9s 给你的是一个自动刷新的画面。你和客户交谈时,Pod 一旦变更状态,你马上就能看到,不必重新执行任何命令。

在生产环境追踪一个 CrashLoopBackOff 的 Pod

假设客户有三个集群:dev、staging 和 prod。payments 命名空间里的支付服务只在 prod 出问题:Pod 启动、崩溃、再启动,也就是 CrashLoopBackOff 状态。下面按步骤演示一次诊断过程。

第 1 步:安全地打开工具。 输入 k9s --readonly。README 列出了这个参数;在只读模式下,delete、kill、edit 等修改类命令都会被禁用。从这一刻起,误按任何键都不会造成破坏。

第 2 步:选对集群。 输入 :ctx 查看 context 列表,然后在工具内切换到 prod。这一步的检查很简单,却常被跳过:屏幕上的 context 名称,真的是客户报告故障的那个集群吗?

第 3 步:进入正确的命名空间。 输入冒号加资源名(单数、复数或简写均可),可以附带命名空间,例如 :po payments。画面会自动刷新,你能持续看到故障 Pod 的状态变化,不用反复执行命令。

第 4 步:过滤噪音。 如果命名空间里有几十个 Pod,就在资源视图中过滤。可以用匹配服务名的正则、排除健康 Pod 的反向正则、基于应用标签的标签选择器,或者模糊查找。目标是只留下不断重启的那些 Pod。

第 5 步:弄清 Pod 在架构中的位置。 打开 XRay 查看依赖树:哪个 Deployment 生成了哪个 ReplicaSet,再生成了哪个 Pod。如果还没有全局概念,可以用 Pulses 查看集群概况。要问的问题是:故障只出现在新的 ReplicaSet 上,还是这个 Deployment 下的所有 Pod 都在崩溃?

第 6 步:读日志。 大部分时间会花在这里。k9s 默认拉取最后 100 行,保留 1,000 行缓冲区,sinceSeconds 设为 -1 表示实时跟踪日志。重点看 Pod 每次崩溃前的最后几行。如果服务日志量很大,可以在配置文件里调高这些值。

诊断结束时,你已经掌握了集群、命名空间、Deployment 和相关日志行,而且没有改动客户系统的任何东西。

风险恰恰来自便利本身

一个能让你快速浏览的工具,也能让你快速动手,而 ctrl-k 不会问第二遍。在测试集群上,失手的代价是花几秒钟重建资源;在客户的生产集群上,代价可能是对方刚刚交给你的信任。

所以,只读不应该是每次启动都要记得的习惯。k9s 的配置支持全局或按 context 设置只读,默认是关闭的。建议从第一天起就为每个生产 context 开启只读,只有在客户书面同意后,才在 dev context 上开放写权限。

如果要在 k9s 里编辑资源,安装文档要求设置 EDITOR 或 KUBE_EDITOR 环境变量。在客户机器上设置之前,先想想是否真的应该手动编辑。变更通常应该落在客户的 manifest 或流水线里,这样才有迹可查。

还有一条建议:把 k9s 当作 kubectl 的加速器,而不是理解 Kubernetes 的替代品。如果你还看不懂事件,也判断不出 Pod 为什么处于 CrashLoopBackOff,k9s 只会让你更快地陷入混乱。

先学 kubectl,再提速

合理的顺序是先熟练使用 kubectl 处理 Pod、Deployment、日志和 context,再转向 k9s。上手之后,重点学三件事:冒号命令和 :ctx、标签过滤,以及用 XRay 读懂陌生集群的架构。

README 还提到了 Popeye,一个集群健康扫描工具。需要整理一份问题清单和客户讨论时,值得一试。

在简历或 FDE 面试中,不要只写“会用 k9s”。讲一次具体的事故:你以只读权限进入生产集群,按标签定位故障 Pod,阅读实时日志,并通过客户的流程提出修复方案。招聘经理想看到的,是你能在保证安全的前提下快速诊断。

客户的集群不是练习场。打开 k9s 之前先加上 --readonly,然后再开始排查故障。

这篇文章对你有帮助吗?

6 个信源
路线图上的下一篇 · 阶段 5: 部署上线Open Policy Agent 把客户访问规则变成可测试代码决策与执行分离后,授权规则可以测试、评审,更新也无需重启。