CentOS7官方Docker发行版现重大Bug可致Kubernetes中的健康检测探针失败并影响容器交互

TL;DR

Cannot ssh into a running pod/container – rpc error: code = 2 desc = oci runtime error: exec failed: container_linux.go:247: starting container process caused “process_linux.go:110: decoding init error from pipe caused \“read parent: connection reset by peer\“” command terminated with exit code 126 #21590

Bug 影响

如果你使用的是 CentOS7，需要用到 kubectl exec 或者为 Pod 配置了 基于命令返回值 的健康检查（非常用的 HTTP Get 方式）的话，该 Bug 将导致命令返回错误，Pod 无法正常启动，引起大规模故障，而且也无法使用 kubectl exec 或者 docker exec 与容器交互。

例如下面的健康检查配置：

livenessProbe:
     exec:
       command:
       - /usr/local/bin/sidecar-injector
       - probe
       - --probe-path=/health
       - --interval=4s
     failureThreshold: 3
     initialDelaySeconds: 10
     periodSeconds: 4
     successThreshold: 1
     timeoutSeconds: 1
   readinessProbe:
     exec:
       command:
       - /usr/local/bin/sidecar-injector
       - probe
       - --probe-path=/health
       - --interval=4s
     failureThreshold: 3
     initialDelaySeconds: 10
     periodSeconds: 4
     successThreshold: 1
     timeoutSeconds: 1

以上 YAML 配置摘自 Istio 发行版中的 istio-demo.yaml 文件。

Bug 成因

根据 RedHat 的 Bug 报告 ，导致该 Bug 的原因是：

CentOS7 发行版中的 Docker 使用的 docker-runc 二进制文件使用旧版本的 golang 构建的，这里面一些可能导致 FIPS 模式崩溃的错误。

发现过程

本周Kubernetes 1.13 发布，想着更新下我的 kubernetes-vagrant-centos-cluster 使用 Vagrant 和 VirtualBox 在本地搭建分布式 Kubernetes 1.13 集群和 Istio Service Mesh 的最新版本 1.0.4， 可是在安装 Istio 的时候发现 Istio 有两个 Pod 启动不起来， istio-sidecar-injector 和 istio-galley 这两个 Pod，检查其启动过程，发现它们都是因为 Readiness Probe 和 Liveness Probe 失败导致的。再联想到之前安装较老版本的 Istio 的时候也遇到该问题，见 Increase health probe interval #6610 通过增加健康检查的时间间隔可以解决该问题，可是经过反复的测试后发现还是不行。然后我想到先去掉健康检查，然后我手动使用 kubectl exec 来执行健康检查的命令，解决却遇到下面的错误：

$ kubectl exec -it istio-sidecar-injector-6fc974b6c8-pts4t -- istio-sidecar-injector-b484dfcbb-9x9l9 probe --probe-path=/health --interval=4s
Cannot ssh into a running pod/container -- rpc error: code = 2 desc = oci runtime error: exec failed: container_linux.go:247: starting container process caused "process_linux.go:110: decoding init error from pipe caused "read parent: connection reset by peer"" command terminated with exit code 126

然后直接到 Pod 所在的主机使用 docker exec 命令执行，依然报上面的错误，我就确定这不是 Kubernetes 的问题了。更何况前之前 kubernetes-vagrant-centos-cluster 屡试不爽，突然出现问题，有点让人摸不着头脑。知道我搜到了这个四天前才有人提出的 issue 。根据网友反馈，现在 kubernetes-vagrant-centos-cluster 中已经通过降级 Docker 的方式临时修复了该问题，并支持 Kubernetes 1.13 和 Istio 1.0.4，欢迎试用。

解决方法

有两种解决方法，都需要替换 Docker 版本。

一、降级到旧的 RedHat CentOS 官方源中的 Docker 版本

将 RedHat 官方源中的 Docker 版本降级，这样做的好处是所有的配置无需改动，参考 https://github.com/openshift/origin/issues/21590 。

查看 Docker 版本：

$ rpm -qa | grep -i docker
docker-common-1.13.1-84.git07f3374.el7.centos.x86_64
docker-client-1.13.1-84.git07f3374.el7.centos.x86_64
docker-1.13.1-84.git07f3374.el7.centos.x86_64

降级 Docker 版本。

yum downgrade docker-1.13.1-75.git8633870.el7.centos.x86_64 docker-client-1.13.1-75.git8633870.el7.centos.x86_64 docker-common-1.13.1-75.git8633870.el7.centos.x86_64

降级之后再查看 Docker 版本：

$ rpm -qa | grep -i docker
docker-common-1.13.1-75.git8633870.el7.centos.x86_64
docker-1.13.1-75.git8633870.el7.centos.x86_64
docker-client-1.13.1-75.git8633870.el7.centos.x86_64

此为临时解决方法，RedHat 也在着手解决该问题，为了可能会提供补丁，见 Bug 1655214 - docker exec does not work with registry.access.redhat.com/rhel7:7.3。

二、更新到 Docker-CE

众所周知，Docker 自1.13版本之后更改了版本的命名方式，也提供了官方的 CentOS 源，替换为 Docker-CE 亦可解决该问题，不过 Docker-CE 的配置可能会与 Docker 1.13 有所不同，所以可能需要修改配置文件。

参考

• 配置Pod的liveness和readiness探针 - jimmysong.io
• Bug 1655214 - docker exec does not work with registry.access.redhat.com/rhel7:7.3 - redhat.com
• kubernetes-vagrant-centos-cluster - github.com