Harvester项目AirGap升级中Fluentbit/FluentD镜像拉取问题分析与解决方案

问题背景

在Harvester项目v1.4.2至v1.5.0版本的离线环境(AirGap)升级过程中，部分用户遇到了基础设施组件Fluentbit和FluentD的Pod无法正常启动的问题，表现为ImagePullBackOff状态。这一问题主要影响从v1.4.2升级到v1.5.0以及从v1.4.2升级到v1.4.3的升级路径。

问题根源分析

该问题的根本原因在于Harvester的日志收集系统组件在离线环境下的镜像拉取策略存在缺陷。具体表现为：

1. 在升级过程中，系统未能正确识别离线环境下的镜像仓库配置
2. 日志组件(Fluentbit/FluentD)的镜像路径在升级后未能自动更新为正确的离线仓库地址
3. 系统没有正确处理组件版本间的镜像兼容性问题

技术影响

这一问题会导致：

• 集群日志收集功能中断
• 升级过程可能停滞
• 系统监控数据可能丢失
• 影响集群整体稳定性

解决方案

临时解决方案

对于已经遇到此问题的用户，可以通过以下手动修复步骤解决：

1. 获取当前集群中的Logging对象信息
2. 从operator Logging对象中提取正确的镜像信息
3. 将这些镜像信息应用到infra Logging对象中
4. 强制重启受影响的Pod

具体操作命令如下：

# 获取Logging对象名称
OPERATOR_LOGGING_NAME=$(kubectl get logging -l app.kubernetes.io/name=rancher-logging -o json | jq -r '.items[0].metadata.name')
INFRA_LOGGING_NAME=$(kubectl get logging -l harvesterhci.io/upgradeLogComponent=infra -o json | jq -r '.items[0].metadata.name')

# 从operator Logging对象中提取镜像信息
FLUENTBIT_IMAGE_REPO=$(kubectl get logging $OPERATOR_LOGGING_NAME -o json | jq  -r '.spec.fluentbit.image.repository')
FLUENTBIT_IMAGE_TAG=$(kubectl get logging $OPERATOR_LOGGING_NAME -o json | jq  -r '.spec.fluentbit.image.tag')

FLUENTD_IMAGE_REPO=$(kubectl get logging $OPERATOR_LOGGING_NAME -o json | jq  -r '.spec.fluentd.image.repository')
FLUENTD_IMAGE_TAG=$(kubectl get logging $OPERATOR_LOGGING_NAME -o json | jq  -r '.spec.fluentd.image.tag')

CONFIG_RELOADER_IMAGE_REPO=$(kubectl get logging $OPERATOR_LOGGING_NAME -o json | jq  -r '.spec.fluentd.configReloaderImage.repository')
CONFIG_RELOADER_IMAGE_TAG=$(kubectl get logging $OPERATOR_LOGGING_NAME -o json | jq  -r '.spec.fluentd.configReloaderImage.tag')

# 更新infra Logging对象
kubectl patch logging $INFRA_LOGGING_NAME --type=json -p "[{\"op\":\"add\",\"path\":\"/spec/fluentbit/image\",\"value\":{\"repository\":\"$FLUENTBIT_IMAGE_REPO\",\"tag\":\"$FLUENTBIT_IMAGE_TAG\"}}]"
kubectl patch logging $INFRA_LOGGING_NAME --type=json -p "[{\"op\":\"add\",\"path\":\"/spec/fluentd/image\",\"value\":{\"repository\":\"$FLUENTD_IMAGE_REPO\",\"tag\":\"$FLUENTD_IMAGE_TAG\"}}]"
kubectl patch logging $INFRA_LOGGING_NAME --type=json -p "[{\"op\":\"add\",\"path\":\"/spec/fluentd/configReloaderImage\",\"value\":{\"repository\":\"$CONFIG_RELOADER_IMAGE_REPO\",\"tag\":\"$CONFIG_RELOADER_IMAGE_TAG\"}}]"

# 重启fluentd Pod
kubectl delete pods -n harvester-system -l app.kubernetes.io/component=fluentd

长期解决方案

Harvester团队已在v1.5.0版本中彻底修复了这一问题，修复内容包括：

1. 改进了离线环境下的镜像拉取逻辑
2. 增强了升级过程中的镜像路径自动更新机制
3. 优化了组件版本间的兼容性检查

对于v1.4.x版本的用户，建议：

1. 先升级到v1.4.3版本（该版本已包含修复）
2. 再从v1.4.3升级到v1.5.0版本

最佳实践建议

1. 在离线环境升级前，确保所有必要的镜像已预先下载并推送到本地镜像仓库
2. 升级前检查集群中所有组件的状态
3. 对于关键业务环境，建议先在测试环境验证升级过程
4. 保留足够的系统资源以应对升级过程中可能的资源需求波动

总结

Harvester项目团队高度重视离线环境下的升级体验，这一问题已在后续版本中得到彻底解决。对于仍在使用受影响版本的用户，可以按照本文提供的临时解决方案进行修复，或按照建议的升级路径进行版本更新。