首页
/ Longhorn CSI 卷在线扩容失败问题分析与解决

Longhorn CSI 卷在线扩容失败问题分析与解决

2025-06-02 13:00:37作者:丁柯新Fawn

问题背景

在 Longhorn 分布式存储系统的测试过程中,发现一个关键测试用例 test_csi_mount_volume_online_expansion 持续失败。该测试用例旨在验证 CSI 驱动对挂载卷在线扩容功能的支持情况。测试失败表现为在第二次扩容操作时无法完成 PVC 容量更新,导致断言失败。

问题现象

测试流程中会执行两次卷扩容操作:

  1. 第一次从 128MiB 扩容到 256MiB 成功
  2. 第二次从 256MiB 扩容到 512MiB 失败

失败时 PVC 状态显示:

  • spec.resources.requests.storage 更新为 5GiB
  • status.capacity.storage 仍保持为 4GiB
  • allocatedResourceStatuses 显示为 NodeResizePending

根因分析

通过深入日志分析发现,问题根源在于 CSI 驱动中的文件系统类型检测环节:

  1. 第一次扩容时,blkid 命令成功识别出文件系统类型为 ext4:

    DEVNAME=/dev/longhorn/pvc-xxx
    TYPE=ext4
    
  2. 第二次扩容时,同样的 blkid 命令返回空结果,导致 CSI 驱动无法确定文件系统类型,进而拒绝扩容操作。

进一步调查发现,这与 CSI 外部扩容器 (csi-resizer) 从 v1.12.0 升级到 v1.13.1 版本有关。新版本默认启用了 RecoverVolumeExpansionFailure 特性,该特性会静默重试失败的扩容操作,但缺乏足够的日志输出,使得问题难以诊断。

解决方案

经过团队讨论和验证,确定以下解决方案:

  1. 回退 csi-resizer 到 v1.12.0 版本
  2. 或者在新版本中显式禁用 RecoverVolumeExpansionFailure 特性

最终选择采用第一种方案,因为:

  • 已验证在 v1.12.0 版本下测试通过
  • 避免引入新特性的不确定性
  • 提供更稳定的扩容行为

技术细节

在 CSI 驱动的 NodeExpandVolume 实现中,关键步骤如下:

  1. 接收来自 kubelet 的扩容请求
  2. 通过 blkid 检测设备文件系统类型
  3. 根据检测结果执行相应文件系统扩容命令
  4. 返回操作结果

问题出现在第二步,当 blkid 无法识别已挂载设备的文件系统时,整个扩容流程就会失败。这种情况在连续扩容操作中尤为明显。

影响范围

该问题影响以下 Longhorn 版本:

  • master-head
  • v1.8.x-head
  • v1.7.x-head

主要影响使用 CSI 驱动进行在线卷扩容的场景,特别是需要多次扩容的工作负载。

验证结果

解决方案验证通过:

  • 测试用例 test_csi_mount_volume_online_expansion 成功执行
  • 两次扩容操作均按预期完成
  • PVC 状态正确反映实际容量变化

总结

Longhorn 团队通过深入分析 CSI 驱动与 kubelet 的交互过程,准确定位了在线扩容失败的根本原因。通过版本回退策略快速解决了问题,确保了卷扩容功能的可靠性。这一案例也凸显了在升级关键组件时进行全面测试的重要性,特别是对默认启用的新特性需要格外关注。

登录后查看全文
热门项目推荐
相关项目推荐