Harvester升级控制器中UI菜单导致CR状态丢失的问题分析

问题背景

在Harvester项目中发现了一个与升级流程相关的关键问题。当用户完成系统升级后，通过UI界面点击"忽略消息"或"Dismiss it"按钮时，会导致升级控制器重新启动状态机，进而可能引发不必要的升级流程重新执行。

问题现象

在Harvester系统升级完成后，日志显示升级流程已正常结束。但当用户点击UI中的"忽略消息"按钮后，系统日志中会出现升级控制器重新初始化升级流程的记录。具体表现为：

1. 升级完成后日志显示"Stop collecting logs"和"Tearing down the logging infrastructure"
2. 用户点击UI中的"忽略消息"按钮
3. 日志随后出现"Initialize upgrade"和"Enabling upgrade observability"等初始化信息
4. 升级控制器尝试重新创建upgradeLog资源

根本原因分析

经过深入调查，发现问题根源在于UI界面的"忽略消息"操作会清除升级CR(自定义资源)的状态(status)字段。具体机制如下：

1. UI界面中的"忽略消息"操作会发送一个PUT请求到API
2. 该请求在保存资源时意外清除了整个status字段
3. 升级控制器检测到status字段缺失，误判为需要重新开始升级流程
4. 控制器尝试重新初始化升级状态机

技术细节

在Harvester的升级流程中，升级控制器会持续监控升级CR的状态变化。当status字段被意外清除后，控制器会：

1. 检查到升级CR缺少必要的状态信息
2. 重新设置状态标签为"PreparingLoggingInfra"
3. 尝试重新创建upgradeLog资源
4. 启动升级状态机

幸运的是，由于大部分升级任务已经完成，控制器最终会停止进一步操作，但这个过程会产生不必要的日志和资源操作。

影响范围

该问题主要影响以下场景：

1. Harvester v1.4.0至v1.5.0版本
2. 使用Rancher UI扩展(v1.0.4)管理的Harvester集群
3. 通过Rancher UI执行升级操作的情况

值得注意的是，独立部署的Harvester UI(v1.4.2)不受此问题影响。

解决方案

开发团队已经通过以下方式解决了该问题：

1. 修改UI扩展代码，确保"忽略消息"操作不会清除status字段
2. 在升级控制器中添加对"read-message"标签的检查，防止状态机重新启动
3. 为受影响版本发布补丁更新(如v1.0.5 UI扩展)

最佳实践建议

对于系统管理员和运维人员，建议：

1. 升级到包含修复的版本(v1.5.0及以上)
2. 如无法立即升级，可通过独立Harvester UI执行升级操作
3. 在执行升级操作后，避免频繁点击"忽略消息"按钮
4. 定期检查升级CR的状态，确保其完整性

总结

这个问题展示了分布式系统中状态管理的重要性。在Kubernetes生态中，CRD的状态字段是控制器工作流的关键组成部分，任何意外的状态变更都可能导致不可预期的行为。Harvester团队通过修复UI操作和增强控制器健壮性，有效解决了这一潜在问题，提高了升级流程的可靠性。