umount /cephfs_data/genostack_v3/genostack_scriptCode
umount /cephfs_data/genostack_v3/genostack_cromwell/cromwell-executions
umount /cephfs_data/genostack_v3/genostack_php/public_file_data/
umount /cephfs_data/genostack_v3/genostack_php/project_data

mount -t ceph 10.233.29.234:6789,10.233.18.227:6789,10.233.40.1:6789:/cephfs_data/genostack_v3/genostack_cromwell/cromwell-executions /cephfs_data/genostack_v3/genostack_cromwell/cromwell-executions -o name=admin,secret=AQA4NLVjXO2ICBAA8p93aHTAM5M+0yPL3lPGaQ==
mount -t ceph 10.233.29.234:6789,10.233.18.227:6789,10.233.40.1:6789:/cephfs_data/genostack_v3/genostack_php/public_file_data /cephfs_data/genostack_v3/genostack_php/public_file_data -o name=admin,secret=AQA4NLVjXO2ICBAA8p93aHTAM5M+0yPL3lPGaQ==
mount -t ceph 10.233.29.234:6789,10.233.18.227:6789,10.233.40.1:6789:/cephfs_data/genostack_v3/genostack_php/project_data /cephfs_data/genostack_v3/genostack_php/project_data -o name=admin,secret=AQA4NLVjXO2ICBAA8p93aHTAM5M+0yPL3lPGaQ==

含义： Calico 正在尝试连接集群的 API Server 内网服务 IP（10.233.0.1:443），但在进行 TLS 握手（Handshake） 时超时了。

Ping 测试结果： 您通过 ping 10.233.0.1 发现网络是通的，且延迟极低（~0.05ms）。这说明 三层网络（IP 路由）是通的，但四层（TCP）或七层（TLS/HTTP）存在阻断或异常。

2. 可能的原因及排查步骤
   请按照以下顺序逐步排查：

排查一：测试 TCP 443 端口是否真正可用
ping 使用的是 ICMP 协议，即便 ping 得通，TCP 端口也可能被防火墙拦截或没有服务监听。
在报错的节点上执行以下命令，检查 443 端口是否响应：

Bash
curl -k -v https://10.233.0.1:443

或者使用 nc/telnet

nc -zv 10.233.0.1 443
如果连接超时（Timeout）或被拒绝（Refused）： 说明 443 端口在网络层或安全策略上被封锁了。请检查系统防火墙（如 firewalld、ufw 或 iptables 规则）。

排查二：检查 Kubernetes API Server 的状态
10.233.0.1 通常是 kube-apiserver 的 Service VIP。如果 API Server 挂了、过载或者响应极慢，就会导致 TLS 握手超时。
在 Master 节点上查看 API Server 的运行状态和日志：

Bash
kubectl get pods -n kube-system | grep apiserver

查看 apiserver 日志是否有报错或过载

kubectl logs -n kube-system deploy/kube-apiserver # 如果是 deployment

或者如果是静态 Pod：

kubectl logs -n kube-system kube-apiserver-node1
排查三：MTU（最大传输单元）不一致问题（常见于 Calico 环境）
TLS 握手期间会传输很大的证书文件。如果节点网卡的 MTU 差异过大，导致大包被丢弃，就会出现“能 ping 通（小包），但 TLS 握手超时（大包）”的现象。

在宿主机上查看网卡 MTU（如 eth0 或 bond0）：

Bash
ip link show
检查 Kubespray 配置文件中 Calico 的 MTU 设置（通常在 roles/network_plugin/calico/defaults/main.yml 中），确保 Calico 的 MTU 比物理网卡小至少 20 字节（如果是 IPIP 模式）或 50 字节（如果是 VXLAN 模式）。

排查四：检查系统时间同步
TLS 证书验证对时间非常敏感。如果当前节点（node4）与 Master 节点的时间不一致，可能会导致证书校验环节卡住或失败。

Bash
date

确保所有节点都启用了时钟同步（如 chronyd 或 ntpd）

systemctl status chronyd

步骤一：关闭 Master 节点网卡的反向路径过滤（RP_Filter）
Linux 内核为了防欺骗，默认会开启反向路径校验。如果它发现回包的路径和来包路径不一致，就会直接把包丢弃。

在 Master 节点 (node1) 上执行：

Bash

临时关闭所有网卡的反向路径过滤

sysctl -w net.ipv4.conf.all.rp_filter=0
sysctl -w net.ipv4.conf.default.rp_filter=0

刷新配置

sysctl -p
步骤二：强行清空这个卡死的 SYN_RECV 流表
现在连接跟踪表里缓存了错误的连接状态，必须把它立刻踢掉：

在 Master 节点 (node1) 上强行断开并清理针对 node4 的死连接：

Bash
conntrack -D -s 192.168.10.13

或者直接清理目的地是 10.233.0.1 且状态坏掉的流表

conntrack -D -d 10.233.0.1
🧪 见证奇迹的时刻
完成 Master 节点上的这两步操作后，立刻回到 node4 重新敲一下：

Bash
curl -v -k https://10.233.0.1:443
这一次，握手流表被刷新，反向过滤关闭，TCP 状态应该能瞬间跨过 SYN_RECV 直接进入 ESTABLISHED。测一下看看，是不是直接通了？！

Bash

1. 检查 Master 的 iptables 中有没有针对 node4 IP 的拦截规则

iptables -L -n -v | grep 192.168.10.13

2. 如果你们系统开启了 IPVS，查看 conntrack 是否有 node4 的死连接冲突

conntrack -L | grep 192.168.10.13

3. 实时跟踪 Master 上的 API Server 日志，同时在 node4 运行 curl

看看 Master 端有没有弹出来自 192.168.10.13 的 TLS 握手错误或拒绝日志

kubectl logs -n kube-system -l component=kube-apiserver --tail=50 -f | grep 192.168.10.13
第二步：最粗暴也最有效的验证（改 IP）
如果你有权限，尝试修改一下 node4 的物理内网 IP（比如从 192.168.10.13 改成 .14 或其他空闲 IP），或者把 node4 网线拔了插到旁边 node6 的交换机端口上。

如果改了 IP 或者换了端口瞬间通了，那就彻底抓到真凶了：就是 Master 内部或交换机针对旧 IP/旧端口做了安全拦截！

第三步：看一眼抓包大结局
把你之前在 node4 跑的 tcpdump 停止，用文本读出来看一眼：

Bash
tcpdump -r /root/node4_tls.pcap -nn -vv | head -n 50
你只需要帮我确认：里面到底有没有来自 10.233.0.1 带有 [R] (Reset) 的包？

如果没有（全是一成不变的单向发送）：实锤被半路 Drop（默默丢弃）。

如果有（带有 [R]）：实锤被 Master Reject（显式拒绝）。

咱们去 Master 节点上看一眼它的 iptables 规则或者 API Server 日志吧，真凶现在就在 Master 身上躲着呢！

ntpdate ntp.aliyun.com || chronyc -a makestep

在 node4 上执行：

Bash

强行将物理网卡 eno52 的 MTU 降到 1200

ip link set dev eno52 mtu 1200
测试：再次在 node4 执行 curl -v -k https://10.233.0.1:443。

原理：如果改成 1200 后突然通了，说明 node4 的物理上游链路依然存在严重的 PMTUD（路径MTU发现）黑洞。

方案二：检查并重置 node4 本身恶化的 iptables/IPVS 状态表
从最后一张图（image_576424.jpg）看，Calico 在拼命尝试连接多个内网 Master 的 IP（192.168.10.12:2379 等）。node4 本身的内核连接跟踪表（Conntrack）可能已经因为先前的 200 多次崩溃而溢出或卡死。

在 node4 上强行刷新网络规则：

Bash

清理可能导致 TCP 卡死的内核连接跟踪表

yum install -y conntrack-tools || apt-get install -y conntrack
conntrack -F

清理并重启 node4 本身的网络服务（如果是物理机可以考虑重启一下 node4 宿主机，这是最彻底的）

方案三：抓包看看到底是谁在“只收不回”
如果方案一和二都不行，我们需要用最原始的手段，看看到底是包没发出去，还是 Master 回了包 node4 没收到。

在 node4 上开一个窗口抓包：

Bash
tcpdump -i eno52 port 443 -w node4.pcap
在 node4 上开另一个窗口执行 curl 触发卡死。

把 node4.pcap 导出到电脑用 Wireshark 打开。

现象 A：如果看到大量的 TCP Retransmission（重传）来自 node4，说明 node4 发出了 Client Hello，但上游设备（交换机/防火墙）把它吃了，Master 压根没收到。

现象 B：如果看到了 Master 回应了包，但 node4 报错，说明是 node4 本身的内核防火墙（iptables）把回包给拦截了。

那为什么 curl 和 Calico 会死死卡在 TLS 握手的 Client Hello？这就好比电话拨通了，但只要一开始对暗号（加密握手），对方就突然挂机或不说话了。

为了帮你理清思绪，我们把复杂的网络剥离出来，用最直接的三个排查阶段来彻底定位：

️ 第一阶段：1分钟排除网卡硬件特性干扰 (最可能)
在 IPVS/iptables 转发模式下，现代网卡会开启一些“硬件加速”功能。这些功能有时候会将 TLS 的长数据包切碎或改写校验和，导致 Master 收到后认为是坏包而直接丢弃，从而不回包。

请直接在 node4 上执行以下命令，强制关闭网卡的加速特性：

Bash

1. 安装 ethtool

yum install -y ethtool || apt-get install -y ethtool

2. 关闭主网卡的校验卸载和分片卸载（请把 eth0 换成你的实际物理网卡名）

ethtool -K eth0 tx off gso off tso off
测试：改完后，立刻再次在 node4 执行 curl -v -k https://10.233.0.1:443。

结果：如果通了，说明就是网卡特性作祟，问题解决！

第二阶段：确认是“单节点问题”还是“全局问题”
我们要确定这个 TLS 握手失败，是只发生在 node4 上，还是其他 Node 也有。

去其他正常运行的工作节点（比如 node2 或 node3） 执行相同的命令：

Bash
curl -v -k https://10.233.0.1:443
交叉对比：

如果只有 node4 卡死：说明问题百分之百在 node4 本身（网卡驱动、本地 kube-proxy、或者 node4 的本地 iptables/ipvs 状态表损坏）。

如果所有节点都卡死：说明是 Master 端的 API Server 顶不住了，或者 Master 本身的系统防火墙对 10.233.0.1 的 443 端口做了整体的策略限制（如限流、拒绝特定握手协议）。

第三阶段：从“接收端（Master）”看真相
既然 node4 已经把 Client Hello 发出去了，我们去 Master 节点看看它到底收到了没有，或者为什么要拒绝。

登录到 Master 节点 (node1)。

实时查看 kube-apiserver 的日志，并过滤 node4 的物理内网 IP（假设 node4 的内网 IP 是 192.168.10.13）：

Bash
kubectl logs -n kube-system -l component=kube-apiserver --tail=100 -f | grep 192.168.10.13
在 node4 上同时运行 curl 触发报错，观察 Master 端的日志输出：

情况 A：Master 毫无日志反差。说明 node4 的 Client Hello 包在半路（云平台安全组、外部交换机、或 Master 的本地防火墙）被静默丢弃（Drop）了。

情况 B：Master 报错，类似 bad certificate 或 tls: alert。说明包到了，但 Master 嫌弃 node4 的客户端行为（可能是时间不同步、加密套件不匹配等），主动断开了连接。

或者如果是 IPVS 模式

ipvsadm -ln | grep 10.233.0.1

nc -w 3 -zv 192.168.10.11 3300
nc -w 3 -zv 192.168.10.14 3300
nc -w 3 -zv 192.168.10.15 3300

测试 6789 端口

nc -w 3 -zv 192.168.10.11 6789

mount -t ceph 192.168.10.11:/,192.168.10.14:/,192.168.10.15:/ /cephfs_data -o name=admin,secret=AQA4NLvjX02ICBAA8p93aHTAM5M+0yPL3lPGaQ==

mount -t ceph 192.168.10.11:3300,192.168.10.14:3300,192.168.10.15:3300:/ /cephfs_data -o name=admin,secret=AQA4NLvjX02ICBAA8p93aHTAM5M+0yPL3lPGaQ==

hostNetwork: true
dnsPolicy: ClusterFirstWithHostNet

kubectl -n rook-ceph get job | grep osd-prepare | grep node1
kubectl -n rook-ceph delete job -l app=rook-ceph-osd-prepare
watch "kubectl -n rook-ceph get pod -o wide | grep osd-prepare"