SKILL.md
Nav Troubleshoot — plattform-diagnostikk
Strukturerte diagnostiske trær for kjøre-tids-symptomer på Nais-plattformen. Bruk denne skillen når noe feiler i drift (pod krasjer, 401/403, consumer lag, DB-timeout) — ikke når du skal designe eller endre schema / manifest.
Skillen er Nav-spesifikk: Nais, Texas/Oasis, TokenX, Rapids & Rivers, accessPolicy. Generisk Kubernetes-/Kafka-/SQL-kunnskap er ikke replikert her — bruk den fra eget repertoar.
Arbeidsflyt
- Identifiser symptomet før du kjører kommandoer — hva feiler konkret?
- Detekter eksisterende stack først — Spring Boot vs. Ktor, plain Kafka vs. Rapids & Rivers, Azure AD vs. TokenX vs. ID-porten. Diagnosen må matche det teamet faktisk kjører.
- Følg diagnostisk tre i riktig
references/*.md— steg for steg. - Foreslå minst invasive fiks først; eskaler kun hvis nødvendig.
Symptom-oversikt
| Symptom | Start her |
|---|---|
| Pod starter ikke / krasjer / OOMKilled | [references/pod-diagnose.md](./references/pod-diagnose.md) |
| 401 Unauthorized / 403 Forbidden | [references/auth-diagnose.md](./references/auth-diagnose.md) |
| Kafka consumer lag / meldinger prosesseres ikke | [references/kafka-diagnose.md](./references/kafka-diagnose.md) |
| Database-tilkoblingsfeil / pool exhaustion | [references/database-diagnose.md](./references/database-diagnose.md) |
| Feilrate, latency eller restarts der signalene spriker mellom metrics, logs og traces | [references/observability-diagnose.md](./references/observability-diagnose.md) |
| Treg responstid | Se kort tre under |
| Deploy feiler | Se kort tre under |
Ytelsesproblemer (kort)
Treg responstid
├── Hvor er flaskehalsen?
│ └── Prometheus (http_request_duration_seconds), Tempo (trace), Loki (logg)
├── Database-queries? → EXPLAIN ANALYZE, N+1, paginering
├── Ekstern tjeneste treg? → Circuit breaker, caching
└── Ressursbegrensning?
├── CPU throttling → ALDRI sett CPU limits på NAIS (bruk kun requests)
└── Memory pressure → øk `resources.limits.memory`Se [references/observability-diagnose.md](./references/observability-diagnose.md) for Nav-spesifikk diagnostikk i Mimir/Loki/Tempo. Se observability-setup for oppsett av Micrometer, PromQL/LogQL og varsling.
Deploy-problemer (kort)
Deploy feiler
├── GitHub Actions-feil? → Build/Docker/Push — sjekk actions-log og GAR-tilgang
├── Nais deploy-feil?
│ ├── "invalid manifest" → valider YAML (se `nais-manifest`)
│ ├── "unauthorized" → sjekk deploy-key / workload-identity
│ └── "resource quota exceeded" → team-kvote
└── Deploy OK men app feiler? → bruk pod-diagnoseRelaterte skills
nais-manifest— manifest-struktur, resources, accessPolicy, GCP SQL, Kafka poolauth-overview— Azure AD, TokenX, ID-porten, Maskinporten, Texas/Oasiskafka-topic— consumer/producer-mønstre, SSL-env, idempotensobservability-setup— metrikker, logging, tracing og varsling
Grenser
Alltid
- Start med symptomet; ikke spekuler på årsak før logs/events er sjekket.
- Følg det diagnostiske treet steg for steg.
- Sjekk
kubectl logs --previousved CrashLoopBackOff. - Respekter teamets eksisterende stack — ikke foreslå Rapids & Rivers-fiks på en plain Kafka-konsument eller omvendt.
Spør først
- Endre produksjons-konfigurasjon (resources, replicas, secrets, accessPolicy).
- Restart av pods i produksjon.
- Endring av database-konfigurasjon eller pool-størrelse.
Aldri
- Endre secrets direkte i klusteret (gå via kildekontroll / NAIS).
- Kjør
kubectl delete podi prod uten å forstå årsaken. - Ignorer
OOMKilled— den vil komme tilbake. - Sett CPU-limits på NAIS — forårsaker throttling.