Harvester项目升级过程中Pre-drained状态卡住问题分析与解决方案
问题背景
在Harvester v1.4.1升级至v1.4.2-rc1版本的过程中,部分用户遇到了集群升级卡在"Pre-drained"状态的问题。这一问题主要发生在包含多个节点且运行有虚拟机的环境中,表现为升级流程无法继续进行,严重影响生产环境的可用性。
问题现象
当升级流程启动后,系统会进入节点排空(Drain)阶段,但在此阶段会长时间停滞。通过日志分析发现,系统无法正常排空某些节点上的Longhorn实例管理器(Instance Manager)Pod。进一步检查发现,这些Pod上仍有卷处于挂载状态,导致Kubernetes无法安全地将其驱逐。
根本原因分析
经过深入的技术调查,我们发现这一问题由多个因素共同导致:
-
卷迁移中断:当虚拟机正在进行跨节点迁移时,如果遇到I/O错误,迁移过程会被中断,但原节点上的引擎实例可能无法正常清理。
-
快照文件异常:Longhorn引擎在尝试访问某些快照文件时失败,错误信息显示无法获取特定快照文件的大小。这通常发生在快照文件被替换但引用未完全更新的情况下。
-
双重引擎实例:在某些情况下,一个卷会同时存在两个引擎实例(分别位于源节点和目标节点),这种状态本应是临时的,但由于I/O错误导致无法完成迁移,使系统保持在这种异常状态。
-
I/O错误传播:当多个副本同时报告错误状态时,整个卷将变得不可用,进而导致虚拟机暂停运行。
技术细节
在底层实现上,Harvester使用Longhorn作为存储后端。当发生上述问题时,我们观察到以下关键日志:
- 实例管理器日志显示快照文件访问失败:
Failed to get file /host/var/lib/harvester/defaultdisk/replicas/pvc-xxx/volume-snap-xxx.img size
- 引擎报告后端监控失败:
Backend tcp://x.x.x.x:xxxx monitoring failed, mark as ERR
- 最终导致I/O错误:
I/O error: no backend available
这些错误形成一个连锁反应:快照文件异常→副本状态异常→引擎监控失败→卷不可用→虚拟机暂停→升级流程卡住。
解决方案
针对这一问题,Harvester团队实施了以下修复措施:
-
优化快照管理:改进了快照替换机制,确保在文件替换过程中保持一致性,避免引用失效的快照文件。
-
增强错误处理:在卷迁移过程中增加更健壮的错误恢复机制,当检测到异常状态时能够自动回滚或清理残留资源。
-
改进升级流程:在升级前增加健康检查,确保没有处于异常迁移状态的卷存在。
-
日志增强:增加更详细的日志记录,帮助运维人员更快定位类似问题。
验证结果
修复方案经过多轮严格测试,包括:
- 4节点裸金属集群测试
- 3节点和4节点的QEMU/KVM虚拟化环境测试
- 模拟I/O错误场景下的升级测试
- 虚拟机迁移过程中的升级测试
所有测试场景均显示升级流程能够顺利完成,不再出现卡在Pre-drained状态的情况。
最佳实践建议
对于生产环境用户,建议采取以下预防措施:
-
在升级前检查所有虚拟机的运行状态,确保没有处于暂停状态的VM。
-
监控存储系统的健康状态,特别是副本同步情况。
-
考虑在维护窗口期进行升级,减少业务影响。
-
保持足够的存储空间,避免因空间不足导致的I/O错误。
-
定期检查Longhorn卷的状态,确保没有异常卷存在。
总结
Harvester升级过程中Pre-drained状态卡住的问题揭示了分布式存储系统在复杂场景下的挑战。通过深入分析问题根源并实施针对性的修复方案,团队不仅解决了当前问题,还增强了系统在异常情况下的健壮性。这一案例也展示了开源社区协作解决问题的典型流程,从问题报告到技术分析,再到方案实施和验证,最终为用户提供稳定可靠的解决方案。
- 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









