概述

CCE Agent 接入了 CCE 已有的集群巡检和故障诊断能力，并结合指标、日志、Kubernetes 事件、审计记录、资源配置和 CCE 专家知识库进行多源证据编排，输出"问题现象、证据、根因、恢复建议"结构化的分析结论。

本文介绍如何通过 CCE Agent 发起巡检与诊断，以及如何解读结果。

前提条件

• 已通过任一入口进入 CCE Agent 页面。
• 当前身份具备目标集群的云资源权限和集群角色权限。

一键集群健康巡检

在对话框中输入巡检类问题即可发起，例如"对当前集群做一次健康巡检""检查一下这个集群有没有问题"。

巡检覆盖范围：

巡检维度	检查内容
控制面	控制面组件状态与可用性
节点	节点状态、Node Condition、资源水位、磁盘与网络
集群组件	已安装组件的运行状态与版本
网络	网络组件状态、网络配置一致性
Pod	异常状态 Pod、频繁重启 Pod
配额	集群与云资源配额余量

巡检结果按严重程度排序，每一项包含问题现象、支撑证据和处理建议。

Pod 启动与重启异常诊断

适用于 Pod 处于 Pending、ImagePullBackOff、CrashLoopBackOff 状态，或存在频繁重启、被驱逐、内存溢出终止等情况。

发起方式：

• 在 Pod 列表或详情页面对异常 Pod 单击"智能诊断"，自动携带命名空间、资源标识、异常摘要和异常时间范围。
• 或在 CCE Agent 对话框中直接提问，例如"payment-api-7d9f 这个 Pod 一直 CrashLoopBackOff，帮我看下原因"。

诊断会根据 Pod 当前状态选择对应的检查路径，覆盖调度结果、镜像拉取、探针配置、容器退出码、资源请求与限制、所在节点状态和依赖资源，输出根因证据链。

节点 NotReady 与组件异常诊断

适用于节点处于 NotReady 状态、节点组件异常或节点资源异常的场景。

发起方式：在节点列表或详情页面对异常节点单击"智能诊断"，或在对话中说明节点标识后提问。

诊断会关联云服务器实例健康状态、Node Condition、kubelet 与容器运行时状态、容器网络接口与容器存储接口状态、磁盘和网络情况，给出恢复建议，并在判断为底层实例或硬件问题时提示需要提交工单。

结果解读

诊断结论采用与查询一致的四段式结构，并在此基础上补充证据与根因：

部分	说明
查询范围	本次诊断的地域、集群、命名空间、目标资源和异常时间范围
问题现象	本次诊断确认的异常表现，以及与您描述是否一致
证据	支撑结论的原始数据，如事件、日志片段、资源状态和配置差异，可展开查看
根因与建议	经过假设、验证、排除后给出的最可能原因、判断依据，以及建议的处理步骤

证据不足时的处理：如果现有证据不足以确定根因，CCE Agent 不会给出过度确定的结论，而是明确说明尚未确认的部分和建议补充采集的信息。您也可以要求生成工单摘要，其中包含资源范围、已收集的证据和已执行的排查步骤，便于提交工单时复用。

专家知识库：分析过程中会检索 CCE 官方文档、历史故障案例和版本公告，并按集群版本、网络模式和运行时进行过滤，引用的内容会附带来源，便于您核对。

完整诊断示例

以下示例展示一次 Pod 启动失败诊断的完整过程，帮助您建立使用预期。

第一步：发起诊断

在工作负载页面发现 payment-api 存在异常 Pod，单击该 Pod 的「智能诊断」。入口自动携带命名空间 prod、Pod 名称和异常时间范围，您也可以补充一句描述，例如「这个 Pod 反复重启，帮我看下原因」。

第二步：观察执行过程

CCE Agent 会逐步展示正在调用的能力，例如「查询 Pod 详情」「查询 Kubernetes 事件」「查询容器日志」「查询节点状态」。您可以据此了解结论的数据来源，而不是只看到一个黑盒答案。

第三步：查看结论

• 查询范围：华北-北京 / cce-xxxxxx / prod / Pod payment-api-7d9f-x8k2l / 最近 1 小时
• 问题现象：容器 app 在 30 分钟内重启 12 次，当前状态 CrashLoopBackOff
• 证据：容器上次退出码 137；事件中存在 OOMKilled 记录；容器内存 limit 为 512Mi，重启前内存使用接近 limit；同一工作负载其他副本状态正常
• 根因与建议：更可能是该容器内存 limit 配置偏低导致被终止，而非应用崩溃。建议结合实际内存需求上调 limit 后观察，或排查是否存在内存泄漏。当前版本不会代您修改配置

第四步：继续追问

您可以在同一会话内继续追问，例如「这个容器过去一天的内存使用趋势怎么样」「同一节点上还有其他 Pod 被 OOM 吗」，会话会沿用已确定的目标范围。

使用限制

• 当前版本仅输出诊断结论和建议，不会执行封锁、排水、重启、扩缩容等任何变更操作。
• 诊断结论由大模型生成，可能存在不准确的情况，请在执行恢复操作前自行确认。