Terraform AWS EKS模块节点加入集群失败问题解析

问题现象

在使用Terraform AWS EKS模块(v20.14.0)创建Kubernetes集群时，虽然控制平面成功创建，但工作节点无法加入集群，出现"NodeCreationFailure: Instances failed to join the kubernetes cluster"错误。具体表现为EKS托管节点组的EC2实例(i-089cae66b828ac922和i-0cd41e8867fda97cb)无法注册到Kubernetes集群中。

根本原因分析

经过排查，发现问题的根本原因在于VPC配置不完整。虽然VPC和子网已经预先创建，但缺少了两个关键的VPC端点服务：

1. ECR Docker Registry端点(ecr_dkr)
2. ECR API端点(ecr_api)

这些端点是EKS工作节点正常运作所必需的，因为：

• 工作节点需要从ECR拉取容器镜像
• Kubernetes组件需要与ECR API交互
• 缺少这些端点会导致节点无法完成初始化过程

解决方案

要解决这个问题，需要在VPC中补充配置以下资源：

1. ECR Docker Registry端点：允许节点通过私有网络连接访问ECR的Docker注册表服务
2. ECR API端点：提供对ECR API的私有网络访问

完整的VPC端点配置应包含以下服务：

• com.amazonaws.region.ecr.dkr
• com.amazonaws.region.ecr.api
• com.amazonaws.region.ec2
• com.amazonaws.region.logs
• com.amazonaws.region.sts

最佳实践建议

1. VPC端点预检查：在部署EKS集群前，验证所有必需的VPC端点是否已配置
2. 网络规划：确保控制平面子网和数据平面子网有正确的路由配置
3. 安全组配置：检查安全组规则是否允许节点与控制平面通信
4. IAM权限：虽然本例中IAM配置正确，但仍需确保节点角色有足够权限

经验总结

这类节点无法加入集群的问题通常源于网络配置问题。在AWS环境中，特别需要注意：

1. VPC端点服务的完整性
2. 子网的路由表配置
3. 安全组的出入站规则
4. 网络ACL的允许规则

通过系统性地检查这些网络组件，可以有效预防和解决节点注册失败的问题。对于企业环境，建议建立标准化的VPC配置模板，确保所有必需的端点服务在创建VPC时就已包含。