CRI-O容器日志在Pod优雅终止期间丢失问题分析

问题现象

在使用CRI-O作为容器运行时的Kubernetes集群中，当Pod配置了较长的terminationGracePeriodSeconds参数时，发现容器日志在Pod开始终止后不久即停止记录。具体表现为：

1. 通过kubectl logs命令无法获取最新日志
2. 节点上的日志文件/var/log/pods/.../0.log消失
3. 约2分钟后日志文件重新出现，但内容停留在停止记录前的状态
4. 再次约2分钟后日志文件又消失
5. 此循环持续直至Pod完全终止

该问题在CRI-O 1.25.4、1.26.4和1.27.4等多个版本中均能稳定复现，通常与日志轮转机制触发有关。

问题根源

经过深入分析，该问题与Kubernetes kubelet的日志轮转机制密切相关。当Pod进入终止状态时，kubelet会启动日志轮转流程，但在处理大日志文件时存在以下问题：

1. 日志轮转过程中会临时关闭日志文件
2. 对于配置了长terminationGracePeriodSeconds的Pod，日志轮转会多次触发
3. 每次轮转都会导致日志记录中断
4. 轮转完成后，日志文件被重新创建但可能无法正确恢复写入

复现方法

可以通过以下步骤稳定复现该问题：

1. 创建一个配置了长terminationGracePeriodSeconds的Pod
2. 该Pod需要产生大量日志输出
3. 在节点上监控日志文件变化
4. 删除Pod并观察日志行为

典型测试Pod配置包括：

• 设置terminationGracePeriodSeconds为600秒
• 容器内执行持续生成大日志的脚本
• 配置SIGTERM信号处理继续输出日志

解决方案

CRI-O社区已针对该问题提出了修复方案，主要改进点包括：

1. 优化日志轮转期间的日志文件处理逻辑
2. 确保在Pod终止期间日志记录不中断
3. 改进日志文件重新打开机制

该修复已合并到CRI-O主分支，并将从1.29版本开始包含。对于生产环境中的临时解决方案，可以考虑：

1. 适当增大containerLogMaxSize参数，减少日志轮转频率
2. 权衡日志文件大小与节点存储压力
3. 对于关键业务，考虑升级到包含修复的CRI-O版本

版本支持说明

由于该修复涉及底层日志处理机制变更，出于稳定性考虑：

1. 修复将包含在CRI-O 1.29及更新版本中
2. 不会向后移植到1.28及更早版本
3. 建议受影响用户升级到受支持的CRI-O版本

最佳实践建议

针对类似场景，建议采取以下最佳实践：

1. 合理设置terminationGracePeriodSeconds时长
2. 对于关键日志，考虑使用边车容器或日志收集器
3. 监控节点日志系统性能指标
4. 定期升级CRI-O到受支持版本
5. 在测试环境充分验证日志处理行为

该问题的修复将显著提升长时间运行Pod的日志可靠性，特别是在需要保留完整终止日志的场景下。