阿里云 ECI 运维与排障
统一排障入口（先收集再下结论）
- •明确问题形态
- •资源形态：ECI 实例（控制台/OpenAPI）或 Pod（ACK/自建 K8s）
- •阶段：创建中/运行中/重启中/销毁中
- •症状：Pending、CrashLoop、ImagePullBackOff、MountFailed、无法访问、无日志、无指标等
- •收集最小证据集（按场景取用）
- •K8s：
kubectl describe pod、事件（Events）、kubectl logs、节点/VNode 状态 - •OpenAPI：实例状态、事件、容器日志（对应 API/控制台入口）
- •网络：VPC/安全组/路由/公网 NAT/SLB/Ingress/DNS 解析
- •存储：挂载点/权限/存储类型（NAS/OSS/云盘/临时存储）
- •配额与限制：地域/可用区、规格、账号/资源配额
- •对照官方文档给出定位与修复
- •优先用
$aliyun-eci-docs搜索对应主题，拿到权威依据链接- •
python3 ~/.codex/skills/aliyun-eci-docs/scripts/eci_docs.py search enable-internet-access - •
python3 ~/.codex/skills/aliyun-eci-docs/scripts/eci_docs.py search overview-of-volumes - •
python3 ~/.codex/skills/aliyun-eci-docs/scripts/eci_docs.py search configure-log-collection
- •
- •输出：检查项清单 -> 可能原因 -> 修复步骤 -> 依据链接
- •输出格式优先按
references/incident_response_templates.md组织
常见症状的排障路径（导航版）
- •创建失败/长时间 Pending：优先看事件与配额/规格/网络依赖 -> 再看镜像/存储
- •镜像拉取失败：仓库可达性/鉴权/镜像地址/镜像缓存（ImageCache）
- •业务无法访问：公网/SLB/Ingress/安全组/端口/健康检查/DNS
- •存储挂载失败：存储类型选择、权限、挂载参数、网络连通性
- •日志缺失：采集方式（Log Service/STDOUT）、采集配置、权限与网络
- •指标缺失：监控组件、采集开关、指标口径与延迟
输出模板（回答/交付时遵循）
- •结论：最可能的 1～3 个原因（按概率排序）
- •定位步骤：每一步“看什么/怎么判断/下一步怎么分流”
- •修复建议：具体改动点（YAML/控制台/配置项）
- •风险提示：影响面、回滚方式、变更窗口建议
- •依据：对应官方文档 URL（必须给）
参考资料（需要细节时再读）
- •
references/troubleshooting_playbook.md: 症状 -> 定位 -> 解决（可扩展） - •
references/official_link_baseline.md: 运维排障高频场景官方链接基线 - •
references/incident_response_templates.md: 标准化故障响应模板（证据/结论/修复/回链） - •
references/full_scope_urls.md:aliyun-eci-ops主路由文档全量清单（51 篇） - •
~/.codex/skills/aliyun-eci-docs/references/eci_full_skill_coverage.md: 全量文档覆盖矩阵（确认问题是否应路由到 ops） - •
~/.codex/skills/aliyun-eci-docs/references/eci_full_skill_routing.json: URL -> 主技能路由明细（边界场景优先查）