首页
/ Harvester集群升级过程中节点卡在pre-drained状态问题分析

Harvester集群升级过程中节点卡在pre-drained状态问题分析

2025-06-14 03:33:37作者:胡易黎Nicole

问题现象

在将Harvester集群从v1.4.0版本升级到v1.4.1版本的过程中,发现第一个节点在升级流程中停滞在pre-drained状态。该节点虽然已经显示升级到了v1.30.7+rke2r1版本,但状态却一直保持为Cordoned,导致整个升级流程无法继续。

问题排查

通过分析集群状态,发现该问题与Longhorn存储系统的实例管理器(instance-manager)有关。具体表现为:

  1. 节点被自动设置为Cordoned状态后,部分Longhorn卷变为不健康状态
  2. 尝试手动删除Longhorn实例管理器的Pod Disruption Budget(PDB)未能解决问题
  3. 手动解除节点封锁(uncordon)后,Longhorn卷能够重建并恢复健康状态,但升级流程仍然无法继续

根本原因

深入分析后发现,集群实际上是在等待某些探针(probes)完成检测,特别是kube-controller-manager和kube-scheduler这两个关键组件的探针。这种等待状态导致了升级流程的停滞。

解决方案

针对这一问题,可以采取以下解决步骤:

  1. 检查kube-controller-manager和kube-scheduler组件的运行状态
  2. 确保这些关键系统组件已经正确启动并运行正常
  3. 如果确认组件状态正常但仍卡住,可以尝试重启相关组件
  4. 监控集群日志,查看是否有相关错误信息

问题验证

在实际操作中,按照上述方法成功解决了节点卡在pre-drained状态的问题,使得第一个节点顺利完成升级,后续节点也能够继续升级流程。

经验总结

在Harvester集群升级过程中,特别是涉及存储系统的升级时,需要注意以下几点:

  1. 升级前确保所有Longhorn卷处于健康状态
  2. 监控关键系统组件的运行状态
  3. 准备好应对可能出现的组件探针检测超时情况
  4. 升级过程中保持对集群状态的密切观察

这种问题的出现提醒我们,在升级生产环境集群时,应该充分测试升级流程,并准备好回滚方案,以确保业务连续性。

登录后查看全文
热门项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
156
2 K
kernelkernel
deepin linux kernel
C
22
6
pytorchpytorch
Ascend Extension for PyTorch
Python
38
72
ops-mathops-math
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++
519
50
RuoYi-Vue3RuoYi-Vue3
🎉 (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
942
555
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
195
279
openHiTLSopenHiTLS
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
993
396
communitycommunity
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
359
12
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
71