Harvester项目中RKE2 Manifests与VM运行策略的兼容性问题分析

问题背景

在Harvester项目v1.5版本中，当用户通过os.write_files配置在集群初始化阶段自动部署RKE2 Manifests时，如果其中包含设置为RerunOnFailure运行策略的VirtualMachine资源，会导致整个Harvester部署过程卡住无法完成。这一问题主要出现在集群初始化的关键阶段，影响了系统的可用性。

技术原理分析

Harvester底层基于RKE2构建，支持通过os.write_files功能在集群初始化阶段自动部署Kubernetes资源。当这些资源中包含VirtualMachine定义时，系统会面临以下技术挑战：

1. 资源启动顺序问题：VirtualMachine资源尝试在存储网络(storage-network)完全建立前启动
2. 运行策略冲突：RerunOnFailure策略会导致VM持续尝试启动，而不会等待依赖资源就绪
3. 系统初始化阻塞：Harvester控制器在初始化settings.harvesterhci CR时，会检查运行中的VM，形成死锁

问题复现条件

该问题在以下配置场景下会出现：

1. 使用os.write_files配置自动部署RKE2 Manifests
2. Manifests中包含VirtualMachine资源定义
3. VM同时设置了metadata.annotations.harvesterhci.io/vmRunStrategy和spec.runStrategy为RerunOnFailure
4. VM定义中使用了持久卷声明(PVC)

解决方案实现

项目团队通过以下方式解决了这一问题：

1. 修改settings初始化逻辑：在创建空settings时跳过VM检查
2. 确保资源依赖顺序：允许存储网络等基础设施先完成初始化
3. 保持向后兼容：不影响现有正常部署场景

该修复已包含在Harvester v1.5.1-rc2及后续版本中。

最佳实践建议

对于需要在Harvester初始化阶段自动部署VM的用户，建议：

1. 对于关键业务VM，考虑使用Manual策略，待集群完全初始化后手动启动
2. 确保VM定义中使用的存储类(storageClass)已正确配置
3. 为VM添加适当的节点亲和性规则，确保调度到已就绪节点
4. 在云初始化配置(cloud-init)中加入健康检查逻辑

技术影响评估

这一修复显著提升了Harvester在以下场景的可靠性：

1. 自动化部署场景
2. 需要预置VM的定制化部署
3. 边缘计算等资源受限环境

同时保持了与现有部署配置的兼容性，不会对正常使用场景产生负面影响。