托管节点池自动监控节点状态，确保节点正常运行。当节点发生异常时，ACK会自动执行恢复操作。将节点池设置为托管模式会为所有节点同时开启自动恢复功能。本文介绍节点自动恢复的应用场景和处理流程。
前提条件
触发条件
当您打开了必要时重启节点以修复CVE漏洞开关，节点自动恢复的过程中则可能涉及节点的排水、替盘等操作，建议将数据保存在数据盘中。
ACK会根据节点的运行状态condition等信息判断是否发起自动恢复任务。您可以执行kubectl describe node命令，通过condition字段查看节点的运行状态。当节点的运行状况异常，且异常持续时间超过阈值时间（即故障发生多长时间后会触发自动恢复任务）时，ACK会发起节点自动恢复行为。
具体触发条件如下表所示。
检测项目 | 描述 | 风险等级 | 阈值时间 | 自动恢复行为 |
KubeletNotReady(KubeletHung) | kubelet意外停止工作，导致节点NotReady。 | 高 | 180s |
|
KubeletNotReady(PLEG) | PLEG健康检查失败，导致节点NotReady。 | 中 | 180s |
|
KubeletNotReady(SandboxError) | PodSandbox not found，导致kubelet无法正常启动。 | 高 | 180s |
|
RuntimeOffline | containerd或Docker停止工作，节点不可用。 | 高 | 90s |
|
NTPProblem | 时间同步服务（ntpd或chronyd）异常。 | 高 | 10s | 重启ntpd或chronyd。 |
SystemdOffline | Systemd状态异常，无法启动、销毁容器。 | 高 | 90s | 如果打开了必要时重启节点以修复CVE漏洞开关，则重启ECS实例。 |
ReadonlyFilesystem | 节点文件系统变为只读。 | 高 | 90s | 如果打开了必要时重启节点以修复CVE漏洞开关，则重启ECS实例。 |
恢复流程
节点的自愈功能包括问题诊断、恢复决策和恢复任务。
节点诊断依赖NPD组件和事件中心。使用自愈功能前，请确保已正确安装NPD和事件中心。具体操作，请参见事件监控。
一个完整的恢复流程中，节点会在以下状态流转。
正常：当前节点不存在可被发现的故障。
故障：当前节点发现故障。
恢复失败：当前节点无法恢复。
当节点的运行状态发生变化并持续一段时间后，ACK将判定该状态符合故障状态，存在节点故障。
当发现节点故障时，ACK会根据故障原因触发对应恢复任务，并记录相应的事件。
当恢复任务完成后，故障状态解除，节点恢复正常状态。
当恢复任务完成后，故障状态依然存在，节点会被置为恢复失败状态。
如果集群中存在多个节点池，节点池之间的节点自动恢复可以并行执行。
如果一个节点池存在多个异常节点，自动恢复会以串行的方式逐个恢复。一旦某个节点恢复失败，ACK将停止对该节点池中其他故障节点的恢复。
当节点处于恢复失败状态时，该节点不会再触发自动恢复操作。相应的故障解除后，该节点才能再次进行自动恢复操作。
自动恢复事件
ACK触发自动恢复时，会将相关的事件写入事件中心。您可以在集群信息页面选择，查看自动恢复的记录和具体操作。
内容 | 级别 | 详细描述 |
NodeRepairStart | Normal | 节点开始恢复。 |
NodeRepairAction | Normal | 节点恢复操作，例如重启kubelet。 |
NodeRepairSucceed | Normal | 节点恢复成功。 |
NodeRepairFailed | Warning | 节点恢复失败。 如遇相关问题，请参见常见问题。 |
NodeRepairIgnore | Normal | 节点恢复跳过，当ECS处于非运行状态时，不对节点进行操作。 |
常见问题
自动恢复失败怎么办？
由于故障的复杂性，自动恢复任务无法修复所有的故障场景。当节点自动恢复任务执行失败，或者恢复任务执行完毕后故障并未解除，ACK会将节点标记为恢复失败状态。
如果托管节点池中恢复某个节点失败，在故障修复前，该节点池不会再触发自动恢复操作。您可以提交工单联系技术支持，手动修复故障。
如何忽略某节点的自动恢复？
如果托管节点池中的某个节点需要暂时忽略自动恢复，您可以为该节点添加以下Label。
alibabacloud.com/repair.policy=disable相关文档
如果您想通过移除故障节点并重新添加的方式解决问题，请在容器服务管理控制台的节点池页面操作。详细信息，请参见移除节点、添加已有节点。
请勿执行以下操作：
通过
kubectl delete node方式移除节点。通过ECS控制台、ESS控制台移除和添加节点。