KubeBlocks中Redis分片集群缩容失败问题分析

问题背景

在使用KubeBlocks管理Redis分片集群时，用户在执行集群缩容操作时遇到了错误。具体表现为当尝试将Redis分片集群从3个副本缩减到1个副本时，系统报错"Failed to get current pod fqdn from current shard pod fqdn list"，导致缩容操作无法完成。

问题现象

用户创建了一个包含3个分片的Redis集群，每个分片最初配置为2个副本。随后通过scale-out操作将每个分片扩展到3个副本，但在尝试scale-in缩减回1个副本时遇到了问题。错误信息显示系统无法从当前分片Pod的FQDN列表中找到要移除的Pod（如rediscl-dlcsis-shard-rld-2）的完整域名。

技术分析

根本原因

1. FQDN匹配逻辑缺陷：在Redis集群缩容过程中，系统需要验证待移除的Pod是否存在于当前分片的Pod列表中。但现有的匹配逻辑存在缺陷，无法正确处理Pod名称与FQDN的对应关系。

2. 集群状态不一致：从Redis的cluster nodes命令输出可以看到，部分节点标记为"fail"状态，这可能影响了缩容过程中的节点识别逻辑。

3. ACL保存操作前置：错误日志显示系统在移除节点前尝试执行acl save命令，这可能暴露了权限管理方面的问题。

影响范围

该问题影响所有使用Redis分片集群并尝试执行缩容操作的KubeBlocks用户，特别是在多分片、多副本的复杂部署场景下。

解决方案

该问题已在KubeBlocks的修复提交中得到解决。修复主要涉及：

1. 改进了Pod FQDN的匹配逻辑，确保能正确识别待移除的节点。
2. 优化了缩容流程中的错误处理机制。
3. 增强了集群状态检查，确保在节点状态异常时能提供更明确的错误信息。

最佳实践建议

对于使用KubeBlocks管理Redis分片集群的用户，建议：

1. 在执行缩容操作前，先检查集群中所有节点的健康状态。
2. 确保使用的KubeBlocks版本包含该问题的修复。
3. 对于生产环境，建议先在测试环境验证缩容操作。
4. 在缩容前备份重要数据，以防操作中断导致数据不一致。

总结

Redis分片集群的缩容操作是一个复杂的分布式系统操作，需要仔细处理节点间的协调和状态同步。KubeBlocks通过不断完善其操作逻辑，为用户提供了更稳定可靠的集群管理体验。该问题的修复体现了开源社区对产品质量的持续追求和对用户反馈的积极响应。