首页
/ Harvester集群升级过程中节点卡在pre-drained状态的分析与解决

Harvester集群升级过程中节点卡在pre-drained状态的分析与解决

2025-06-14 07:13:22作者:郜逊炳

在Harvester v1.4.0升级至v1.4.1版本的过程中,用户遇到了首个节点在pre-drained阶段停滞的问题。这种情况在长期运行的集群(超过430天)中尤为值得关注,本文将深入分析问题原因并提供解决方案。

问题现象

升级过程中,第一个节点虽然显示已升级至v1.30.7+rke2r1版本,但状态却持续停留在"Cordoned"状态。用户尝试了以下常规解决方法:

  1. 删除Longhorn instance-manager的PodDisruptionBudget(PDB)
  2. 手动解除节点封锁(uncordon)使Longhorn卷恢复健康状态
  3. 重新封锁节点(cordon)

但这些操作均未能使升级流程继续推进。

根本原因分析

通过检查集群状态发现,问题实际上源于Kubernetes控制平面组件的就绪检查未通过。具体表现为kube-controller-manager和kube-scheduler两个关键组件的健康探针(probe)未能响应,导致升级流程无法继续。

这种情况在长期运行的集群中可能出现,特别是当:

  • 控制平面组件积累了过多未处理请求
  • 系统资源长时间运行后出现碎片化
  • 组件配置在多次升级后存在不一致

解决方案

针对此问题,最有效的解决方法是重启受影响的控制平面组件:

  1. 首先确认具体是哪些组件未通过健康检查
  2. 通过kubectl删除对应的pod,让Kubernetes自动重建它们
  3. 监控组件重启后的日志,确认无异常错误
  4. 等待健康检查自动通过

这种方法相比直接操作节点或存储系统更为直接有效,因为它直接解决了控制平面组件的就绪问题,而不是处理表面现象。

预防建议

为避免类似问题在未来升级中出现,建议:

  1. 在升级前确保所有控制平面组件健康状态良好
  2. 考虑定期重启长期运行的控制平面组件
  3. 升级前检查系统资源使用情况,确保有足够余量
  4. 监控关键组件的日志,提前发现潜在问题

通过理解这一问题的本质和解决方法,用户可以更顺利地完成Harvester集群的升级过程,并提高集群的长期稳定性。

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