Rancher Fleet 项目升级后Agent崩溃问题分析与解决方案

问题背景

在Rancher 2.10.3升级至2.11.0版本后，部分用户报告了Fleet Agent组件出现崩溃的问题。具体表现为fleet-agent-0 Pod处于Init:CrashLoopBackOff状态，日志中显示runtime error: invalid memory address or nil pointer dereference错误。

问题分析

经过技术团队深入排查，发现该问题主要由以下几个因素导致：

1. Leader选举配置缺失：Fleet Agent在启动时需要进行Leader选举，但升级过程中相关环境变量配置丢失，导致程序在访问空指针时崩溃。

2. API兼容性问题：GitRepo资源的状态字段perClusterState在升级后从列表类型意外变更为映射类型，造成资源状态解析失败。

3. Helm Chart路径问题：部分包含内联Helm包的Git仓库需要显式指定chart路径为当前目录。

解决方案

针对Leader选举问题

对于手动升级的用户，建议在升级命令中明确设置相关参数，避免使用--reuse-values选项导致配置丢失。也可以通过以下方式强制重新部署Agent：

kubectl patch deployment -n cattle-fleet-system fleet-agent --type=json -p='[{"op": "replace", "path": "/spec/template/metadata/annotations", "value": {"date": "'$(date +%s)'"}}]'

修复GitRepo资源状态

对于受影响的GitRepo资源，需要手动修复其状态字段：

1. 检查存在问题的资源：

for i in $(kubectl get GitRepo -n fleet-default | awk '{ print $1 }'); do kubectl get GitRepo -n fleet-default $i -o yaml | grep -A2 perClusterState && echo $i; done

2. 将错误的列表格式：

perClusterState: 
 - {}

修改为映射格式：

perClusterState: {}

3. 使用status子资源更新资源状态：

kubectl replace --subresource status -f cr.yaml

内联Helm包问题处理

对于包含内联Helm包的Git仓库，需要在fleet.yaml中显式指定chart路径：

helm:
  chart: .

版本修复情况

Rancher团队已在2.11.1版本中修复了这些问题：

1. 完善了Leader选举的默认配置，防止空指针异常
2. 确保了API变更的向后兼容性
3. 优化了Helm Chart路径的处理逻辑

最佳实践建议

1. 升级前务必备份关键资源
2. 避免在生产环境直接使用最新版本，先在测试环境验证
3. 关注官方升级文档中的特殊说明
4. 对于复杂环境，考虑分阶段升级策略

通过以上措施，用户可以顺利解决Fleet Agent在升级后出现的崩溃问题，确保集群管理功能的正常运行。