首页
/ Harvester项目升级故障分析与解决方案:从1.4.2到1.5.0的升级挑战

Harvester项目升级故障分析与解决方案:从1.4.2到1.5.0的升级挑战

2025-06-14 10:02:04作者:明树来

问题背景

在Harvester集群从1.4.2版本升级到1.5.0版本的过程中,用户遇到了节点升级卡顿的问题。具体表现为:系统升级成功后,3个节点中有2个成功升级,但第3个节点(harvester4)长时间停留在"images preloaded"状态,导致整个升级流程无法完成。

故障现象分析

通过深入分析支持包和系统日志,我们发现以下关键问题点:

  1. 节点状态不一致:虽然Kubernetes集群显示3个节点,但系统中存在多余的节点设备记录和机器对象,表明之前删除节点时未完全清理干净。

  2. 升级流程阻塞:升级控制器在harvester4节点上卡在"images preloaded"阶段,无法继续后续的节点升级流程。

  3. 节点元数据问题/etc/os-release文件显示节点仍运行在v1.4.2版本,而其他组件已升级到v1.5.0,表明节点操作系统升级未完成。

根本原因

经过技术团队深入排查,确定问题主要由以下因素导致:

  1. 残留的机器对象:系统中存在已删除节点(harvester2)的残留机器对象,干扰了升级流程的正常执行。

  2. 节点升级流程中断:升级过程中某些步骤(如drain操作)未能正确完成,导致升级流程无法继续。

  3. 证书过期问题:初期支持包生成失败与系统证书过期有关,虽然这不是升级失败的直接原因,但影响了故障诊断过程。

解决方案

针对上述问题,我们推荐以下解决步骤:

  1. 清理残留对象

    • 删除无效的机器对象(如custom-1d1de6c3ae63和custom-9626842a1f91)
    • 移除不再使用的节点设备记录(如harvester2)
  2. 修复升级流程

    • 执行post-drain脚本完成被中断的drain操作
    • 手动删除卡住的升级CR(hvst-upgrade-zjft7)
    • 重新触发升级流程
  3. 节点修复

    • 对于无法自动升级的节点(harvester4),建议考虑重新加入集群
    • 检查节点网络和存储配置,确保升级环境正常

技术细节与最佳实践

  1. 升级前检查

    • 使用kubectl get machines -n fleet-local检查机器对象状态
    • 验证/etc/os-release文件内容与当前版本一致
    • 确保所有节点证书有效
  2. 升级过程监控

    • 关注升级CR的状态变化
    • 检查节点drain操作的完成情况
    • 监控系统组件的版本一致性
  3. 故障处理技巧

    • 使用drain-status.sh脚本诊断节点升级状态
    • 分析支持包中的yaml目录获取集群配置详情
    • 检查Provisioning Cluster资源的状态信息

经验总结

  1. 版本兼容性:跨版本升级(特别是从1.4.x到1.5.0)需要更加谨慎,建议先在测试环境验证。

  2. 资源清理:删除节点时务必确认所有相关资源(机器对象、节点设备记录等)已完全清理。

  3. 监控工具:掌握支持包分析工具的使用方法,能够快速定位升级问题。

  4. 流程理解:深入理解Harvester升级流程的各个阶段(镜像准备、节点drain、系统服务升级等),有助于快速诊断问题。

通过本次故障处理,我们不仅解决了具体的升级问题,也为Harvester集群的维护积累了宝贵经验。建议用户在升级前充分准备,升级过程中密切监控,遇到问题时及时收集完整信息以便快速诊断。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
197
2.17 K
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
208
285
pytorchpytorch
Ascend Extension for PyTorch
Python
59
94
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
973
574
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
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++
549
81
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
1.02 K
399
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
393
27
MateChatMateChat
前端智能化场景解决方案UI库,轻松构建你的AI应用,我们将持续完善更新,欢迎你的使用与建议。 官网地址:https://matechat.gitcode.com
1.2 K
133