首页
/ Rook项目部署中Ceph MON组件异常问题深度解析与解决方案

Rook项目部署中Ceph MON组件异常问题深度解析与解决方案

2025-05-18 01:15:49作者:何举烈Damon

问题现象描述

在基于Rook v1.16.5部署Ceph集群时,出现核心监控组件MON持续异常的情况。典型表现为:

  1. 集群状态检查命令ceph status频繁超时或卡死
  2. MON Pod频繁重启(7次/小时)
  3. Operator日志持续报错:"failed to get mon quorum status"
  4. PVC创建后长期处于Pending状态,CSI插件无法正常工作

根因分析

通过深入分析MON容器日志,发现关键错误信息:

mon.a@0(electing) e3 collect_metadata : no unique device id for : udev_device_new_from_subsystem_sysname failed on '' no unique device path for : unable to list contents of /dev/disk/by-path: (2) No such file or directory

结合系统环境分析,根本原因在于:

  1. 系统资源限制冲突:在Rocky Linux 9.5(内核5.14)环境下,systemd对文件描述符的限制策略与Ceph MON组件存在兼容性问题
  2. 元数据收集失败:MON启动时尝试收集设备唯一标识失败,导致选举流程异常
  3. 内核版本差异:较新内核(5.x)中"infinity"的文件描述符限制值(1073741816)与Ceph预期值(1048576)不匹配

解决方案实施

关键修复步骤

  1. 调整系统服务配置
echo -e "[Service]\nLimitNOFILE=1048576" > /etc/systemd/system/containerd.service.d/limits.conf
  1. 重启相关服务
systemctl daemon-reload
systemctl restart containerd
kubectl rollout restart deployment rook-ceph-mon-a rook-ceph-mon-b rook-ceph-mon-c -n rook-ceph

环境清理规范

在重新部署前必须执行完整的环境清理:

# 磁盘清理
sgdisk --zap-all /dev/sdb
wipefs /dev/sdb -a
dd if=/dev/zero of=/dev/sdb bs=1M count=100 oflag=direct,dsync
partprobe /dev/sdb

# 目录清理
rm -rf /var/lib/rook

技术原理深度解读

Ceph MON选举机制

MON(Monitor)作为Ceph集群的决策中枢,其选举过程依赖于:

  1. 节点唯一标识收集
  2. 稳定的网络通信
  3. 正确的资源限制配置

当MON无法获取设备唯一ID时,会触发持续的选举循环,这正是本案例中观察到的现象。

文件描述符限制演进

不同系统版本的关键差异:

系统版本 infinity值 影响范围
传统系统 1048576 与Ceph预期值匹配
现代内核(5.x+) 1073741816 导致资源限制异常

最佳实践建议

  1. 版本兼容性矩阵

    • Rook 1.16.x推荐搭配Kubernetes 1.26-1.29
    • 生产环境建议使用经过验证的稳定组合(如Rook 1.14 + K8s 1.26)
  2. 部署前检查清单

    • 确认内核版本与Rook的兼容性
    • 预配置系统资源限制
    • 验证存储设备的可访问性
  3. 监控指标关注点

    • MON选举成功率
    • 文件描述符使用量
    • 节点元数据收集状态

总结

本文详细分析了Rook部署Ceph集群时MON组件异常的深层原因,并提供了经过验证的解决方案。关键点在于理解现代Linux系统资源限制策略的变化对分布式存储系统的影响。通过规范化的环境准备和精确的系统调优,可以确保Ceph集群的稳定运行。建议运维团队在部署前充分测试目标环境的兼容性,建立完善的监控体系,以快速识别和解决类似问题。

登录后查看全文
热门项目推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
143
1.91 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
273
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
927
551
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
64
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8