用途
本技能针对 GKE Standard 集群中 TPU 节点池创建或扩容失败的问题提供诊断流程。典型场景是：节点池已经指定了 Compute Engine TPU 预留，但创建时仍返回 GCE_STOCKOUT、ZONE_RESOURCE_POOL_EXHAUSTED、ZONE_RESOURCE_POOL_EXHAUSTED_WITH_DETAILS，或因容量不足而进入排队（提示 cannot be created ... due to lack of capacity）。核心判断依据是预留的可用槽位（specificReservation.count - specificReservation.inUseCount）是否小于新节点池所需的节点数；在多主机 TPU 切片节点池中，只要一个节点无法部署，整个切片节点池都不会部署。
主要能力
- 通过 Cloud Audit Logs 与 GKE 操作列表确认 stockout 或容量错误。
- 查询 Compute Engine 预留利用率，比较 inUseCount 与 count 判断可用槽位是否充足。
- 列出占用预留的虚拟机，并结合 GKE 自动标签（goog-k8s-cluster-name、goog-k8s-cluster-location、goog-k8s-node-pool-name）定位其所属集群与节点池。
- 使用 Cloud Monitoring 指标 kubernetes_io:node_status_condition 查找 Ready 状态为 False 或 Unknown 的节点。
- 检查泄漏节点池的 management.autoRepair 配置，判断 NotReady 节点是否因未启用自动修复而持续占用预留容量。
- 根据情况给出修复建议，例如为现有节点池启用自动修复，或通过 GKE 删除陈旧节点池以释放槽位，并在删除后复核预留可用槽位。
使用方式
先收集环境参数：{project_id}、{cluster_name}、{location}、{failing_nodepool_name}、{reservation_name}、{reservation_project_id}、{zone} 与 {issue_time}，默认查询问题时间前后各 30 分钟的 60 分钟窗口。随后按诊断流程执行：确认错误与预留利用率、定位占用预留的虚拟机与节点池、验证泄漏节点池的自动修复状态、给出恢复或释放容量的处置建议。所需 IAM 角色包括 Logs Viewer、Monitoring Viewer、Kubernetes Engine Viewer、Compute Viewer；修复步骤需要 Kubernetes Engine Cluster Admin。需要安装 gcloud 与 kubectl，项目需绑定有效结算账号并启用 container、compute、logging、monitoring 相关 API。
适用场景与限制
仅适用于 Standard 集群；Autopilot 集群始终自动修复节点且无法关闭。技能遵循只读规则：只运行只读诊断命令，不直接排空、删除或重建节点，也不修改 GKE 托管的实例组或虚拟机，修复操作交由用户自行执行。共享预留需在拥有该预留的项目中查询。单个项目列出的占用虚拟机数量可能少于 inUseCount，差额可能由共享该预留的其他项目占用。如果预留槽位由健康且正在使用的节点池持有，则不存在泄漏，不应删除或重启这些健康节点池。技能本身不提供具体费用或价格信息。