OKD 4.14版本监控插件故障分析与解决方案

在OKD 4.14.0-0.okd-2024-01-06-084517版本中，用户报告了一个影响监控插件功能的严重问题。该问题表现为监控插件间歇性失效，控制台界面频繁显示"Dynamic plugin/monitoring plugin degraded"错误信息。

问题现象

升级至受影响版本后，监控插件会随机停止工作，通常只能维持约一分钟的正常运行时间。控制台界面会显示以下错误信息：

Failed to get a valid plugin manifest from /api/plugins/monitoring-plugin/
SyntaxError: JSON.parse: unexpected end of data at line 1 column 1 of the JSON data

问题根源

该问题源于上游OpenShift(OCP)的一个已知bug，具体问题编号为OCPBUGS-23516。核心问题是监控插件无法正确获取或解析其manifest文件，导致插件功能中断。

影响范围

该问题影响所有从以下版本升级的集群：

• 从4.14.0-0.okd-2023-11-14-101924升级
• 从4.13.0-0.okd-2023-10-28-065448升级

解决方案

OKD项目团队确认该问题已在后续版本中得到修复。具体来说：

1. 对于4.14版本系列，由于4.15稳定版的发布，项目团队不再制作4.14.z的修复版本
2. 该问题已在4.15.0-0.okd-2024-01-27-070424版本中完全修复

建议操作

受影响的用户应考虑以下解决方案：

1. 升级至4.15.0-0.okd-2024-01-27-070424或更高版本
2. 如果暂时无法升级，可以：
   • 通过其他方式访问监控数据(如直接访问Prometheus/Grafana)
   • 容忍监控插件的间歇性不可用

技术背景

监控插件是OKD控制台的重要组成部分，它负责将集群监控数据可视化展示。插件通过manifest文件声明其功能和配置，控制台通过HTTP API获取这些信息。当manifest获取或解析失败时，插件将无法正常工作。

这种类型的故障通常涉及以下几个方面：

• 插件服务端与客户端的通信问题
• 数据序列化/反序列化错误
• 资源加载竞争条件
• 权限或路由配置问题

在本次案例中，问题最终被确认为上游代码中的缺陷，而非配置或环境问题。