nav-troubleshoot

name	nav-troubleshoot
description	Feilsøking av runtime-problemer i Nav-miljø — pod crash, OOMKilled, 401/403, auth-feil, Kafka lag, DB-timeout, Flyway-feil, logger og Nais-diagnostikk. Brukes via /nav-troubleshoot ved driftsfeil.

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

1. Identifiser symptomet før du kjører kommandoer — hva feiler konkret?
2. 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.
3. Følg diagnostisk tre i riktig references/*.md — steg for steg.
4. Foreslå minst invasive fiks først; eskaler kun hvis nødvendig.

Symptom-oversikt

Symptom	Start her
Pod starter ikke / krasjer / OOMKilled	references/pod-diagnose.md
401 Unauthorized / 403 Forbidden	references/auth-diagnose.md
Kafka consumer lag / meldinger prosesseres ikke	references/kafka-diagnose.md
Database-tilkoblingsfeil / pool exhaustion	references/database-diagnose.md
Feilrate, latency eller restarts der signalene spriker mellom metrics, logs og traces	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 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-diagnose

Relaterte skills

• nais-manifest — manifest-struktur, resources, accessPolicy, GCP SQL, Kafka pool
• auth-overview — Azure AD, TokenX, ID-porten, Maskinporten, Texas/Oasis
• kafka-topic — consumer/producer-mønstre, SSL-env, idempotens
• observability-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 --previous ved 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 pod i prod uten å forstå årsaken.
• Ignorer OOMKilled — den vil komme tilbake.
• Sett CPU-limits på NAIS — forårsaker throttling.