Longhorn 存储卷在虚拟机迁移过程中出现 I/O 异常的深度分析
问题背景
在将 Harvester 集群从 v1.4.1 升级到 v1.4.2-rc1 版本的过程中,用户遇到了一个关键性问题:当虚拟机(VM)从一个节点迁移到另一个节点时,虚拟机最终会陷入暂停状态,原因是底层 Longhorn 存储卷出现了 I/O 异常。这个问题发生在 Longhorn v1.7.2 版本上,影响了生产环境的稳定性。
问题现象
从日志中可以观察到几个关键异常信息:
- 在快照合并过程中出现了异常行为,系统尝试将
volume-snap-fc94f64a-ed11-4025-8bc4-c864a4c73b7c.img
合并到volume-snap-7ccd0136-f3ed-4271-b9ff-a9036212b3e9.img
中 - 随后系统尝试替换磁盘文件,但最终失败
- 最终导致后端存储不可用,出现 I/O 异常:"no backend available"
根本原因分析
经过深入分析,我们发现问题的根源在于 Longhorn 的实时迁移机制与快照清理机制的竞态条件:
-
迁移检查不完整:虽然实时迁移有一个检查机制来确保没有正在重建的只写(WO)副本,但这个检查存在缺陷。当副本被删除并正在重建时,引擎规范中的副本地址映射(engine.spec.replicaAddressMap)可能显示有三个副本,而引擎状态中的副本模式映射(engine.status.replicaModeMap)可能只显示两个可读写(RW)副本。
-
状态不一致:这种不一致是因为实例管理器没有实时获取副本模式映射,导致系统错误地判断迁移条件。
-
快照清理的干扰:如果在添加新副本后但迁移完成前执行快照清理(SnapshotPurge),新副本会因为节点磁盘上的快照文件被更改而无法列出快照文件,最终导致所有新副本被标记为异常(ERR)状态。
技术细节
在底层实现上,这个问题涉及几个关键组件和流程:
-
副本管理:Longhorn 维护着副本的状态信息,包括地址映射和模式映射。当副本重建时,这些状态可能暂时不同步。
-
快照合并机制:系统尝试合并快照文件以提高存储效率,但在迁移过程中这种操作可能导致文件状态不一致。
-
I/O 路径:当后端存储出现问题时,I/O 操作会失败,最终导致虚拟机暂停。
解决方案
针对这个问题,Longhorn 团队提出了以下解决方案:
-
临时解决方案:在升级 Longhorn 期间,可以禁用
auto-cleanup-system-generated-snapshot
设置,防止在副本重建期间执行快照清理。 -
长期解决方案:改进迁移检查机制,确保在副本重建期间不会错误地启动迁移操作。这包括:
- 加强状态一致性检查
- 优化副本模式映射的实时更新机制
- 在关键操作期间增加适当的锁机制
影响与启示
这个问题给我们几个重要的启示:
-
分布式存储系统的复杂性:在分布式环境中,状态管理是一个复杂的问题,需要仔细设计同步机制。
-
升级过程的敏感性:系统升级过程中往往容易出现边缘情况,需要特别关注。
-
监控与恢复机制:完善的监控和自动恢复机制可以减轻这类问题的影响。
结论
Longhorn 存储卷在虚拟机迁移过程中出现的 I/O 异常问题揭示了分布式存储系统在状态管理和操作时序方面的挑战。通过深入分析根本原因,我们不仅找到了临时解决方案,也为系统架构的长期改进指明了方向。这类问题的解决需要综合考虑系统设计、状态管理和异常处理等多个方面,是分布式存储系统开发中的典型挑战。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
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~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
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!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









