Harvester项目升级故障分析与恢复实战
2025-06-14 10:43:35作者:伍霜盼Ellen
升级过程遭遇的挑战
在Harvester集群从v1.3.1升级到v1.3.2版本的过程中,我们遇到了一个典型的升级卡死问题。系统在"Images preloaded"阶段停滞不前,随后在节点排水阶段也出现了异常。这种情况在复杂的生产环境中并不罕见,但需要谨慎处理以避免数据丢失或集群不可用。
故障现象深度分析
最初尝试升级时,系统在节点1的"Post Draining"阶段卡住。管理员按照官方文档执行了升级重启操作,将版本回退到v1.3.1并重新创建v1.3.2版本以触发升级。然而,系统报告了不一致的状态:虽然显示有v1.4.0的可用更新,但操作系统镜像仍停留在v1.3.1版本。
通过检查集群状态,发现节点间存在Kubernetes版本不一致的情况:
- 节点1:v1.28.12+rke2r1
- 节点2和3:v1.27.13+rke2r1
这种版本分化是导致升级失败的关键因素之一。CAPI控制器日志中频繁出现的TLS握手错误进一步表明集群内部通信已出现问题。
恢复方案设计与实施
面对这一复杂情况,我们采取了分阶段恢复策略:
第一阶段:集群状态评估
- 停止所有运行中的虚拟机
- 检查各节点状态和角色分配
- 分析RKE2和etcd日志确认集群健康状况
第二阶段:节点重置与重新加入
- 安全停止故障升级过程
- 按照规范删除问题节点
- 发现节点自动升级到不兼容的Kubernetes版本(v1.28.12)
- 使用v1.3.2网络安装ISO重新部署节点
第三阶段:RKE2集群重置
当发现etcd失去法定人数后,执行了关键恢复步骤:
- 在剩余的健康节点上执行RKE2集群重置
- 轮换所有集群证书
- 彻底清理遗留的集群资源(rkebootstraps, custommachines等)
- 重新加入新节点,确保使用新的主机名避免冲突
后续升级验证
成功恢复基础集群后,我们继续完成了版本升级路径:
- 从v1.3.2平稳升级到v1.4.0
- 继续升级到v1.4.1版本
值得注意的是,v1.4.1版本在系统响应性方面有显著改善,这验证了恢复操作的成功。
经验总结与最佳实践
通过这次故障处理,我们总结了以下重要经验:
- 升级前检查至关重要:必须运行升级预检查脚本,确认集群健康状况
- 升级中断处理:一旦升级进入节点排水阶段,不应尝试重启升级过程
- 版本兼容性:Harvester不支持从v1.3.2回退到v1.3.1的降级操作
- 恢复策略:RKE2集群重置是恢复etcd法定人数的有效方法,但需配合完整备份
- 节点管理:重新加入节点时建议使用新的主机名和管理IP,避免残留状态影响
这次实战经验证明,即使面对复杂的升级故障,通过系统化的分析和谨慎的操作,仍然可以成功恢复集群并完成升级目标。对于生产环境,建立完善的备份机制和详细的升级预案是确保业务连续性的关键。
登录后查看全文
热门项目推荐
相关项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0369Hunyuan3D-Part
腾讯混元3D-Part00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++095AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
197
2.17 K

React Native鸿蒙化仓库
C++
208
285

Ascend Extension for PyTorch
Python
59
94

🎉 (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
973
574

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
9
1

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
549
81

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
1.02 K
399

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
393
27

前端智能化场景解决方案UI库,轻松构建你的AI应用,我们将持续完善更新,欢迎你的使用与建议。
官网地址:https://matechat.gitcode.com
1.2 K
133