KubeBlocks中PostgreSQL集群缩容操作卡住问题分析

问题现象

在使用KubeBlocks管理PostgreSQL集群时，用户反馈在执行缩容操作后，集群状态一直停留在"Running"状态，无法完成缩容过程。具体表现为：

1. 创建了一个2节点的PostgreSQL集群
2. 执行扩容操作增加1个节点
3. 重启集群
4. 执行缩容操作减少1个节点
5. 缩容操作一直处于"Running"状态，无法完成

根本原因分析

通过检查KubeBlocks控制器日志，发现错误信息表明在执行缩容操作时，尝试在待删除的PostgreSQL节点上执行switchover操作失败，返回了503 Service Unavailable错误。这表明：

1. 控制器尝试在删除副本前先执行主从切换，以确保数据安全
2. 但Patroni API服务不可用，导致切换操作失败
3. 控制器设置了1秒的重试间隔，不断重试但始终失败
4. 由于这个关键步骤无法完成，整个缩容操作被卡住

解决方案

KubeBlocks团队已经通过修复addon中的相关逻辑解决了这个问题。修复内容包括：

1. 优化了Patroni API的调用处理逻辑
2. 增加了对服务不可用情况的容错处理
3. 完善了缩容流程的状态管理机制

验证表明，在修复后的版本中：

• 缩容操作能够正常完成
• 集群状态正确更新
• 节点数量按预期减少
• 所有操作的状态显示正确

最佳实践建议

对于使用KubeBlocks管理PostgreSQL集群的用户，建议：

1. 确保使用最新版本的KubeBlocks和相关addon
2. 在执行缩容操作前，检查集群健康状况
3. 监控操作执行状态，及时发现异常
4. 对于生产环境，建议先在测试环境验证操作流程
5. 关注控制器日志，有助于快速定位问题

技术背景

PostgreSQL在KubeBlocks中通过Patroni实现高可用管理。缩容操作需要特别处理，因为：

1. 需要确保被删除的节点不是主节点
2. 如果待删除节点是主节点，需要先执行主从切换
3. 切换完成后，才能安全地删除副本节点
4. 整个过程需要严格保证数据一致性和服务可用性

这次问题的修复完善了KubeBlocks对PostgreSQL集群生命周期管理的支持，特别是在节点变更操作方面的可靠性。