首页
/ Harvester项目升级过程中Pre-drained状态卡住问题分析与解决方案

Harvester项目升级过程中Pre-drained状态卡住问题分析与解决方案

2025-06-14 23:20:00作者:戚魁泉Nursing

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:

  1. 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。

  2. 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。

  3. 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。

  4. 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:

  1. 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
  1. 引擎报告后端监控失败:
Backend tcp://x.x.x.x:xxxx monitoring failed, mark as ERR
  1. 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:

  1. 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。

  2. 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。

  3. 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。

  4. 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:

  1. 4节点裸金属集群测试
  2. 3节点和4节点的QEMU/KVM虚拟化环境测试
  3. 模拟I/O错误场景下的升级测试
  4. 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:

  1. 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。

  2. 监控存储系统的健康状态,特别是副本同步情况。

  3. 考虑在维护窗口期进行升级,减少业务影响。

  4. 保持足够的存储空间,避免因空间不足导致的I/O错误。

  5. 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。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
144
1.93 K
kernelkernel
deepin linux kernel
C
22
6
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
274
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
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
930
553
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
8
0
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
423
392
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)。
Jupyter Notebook
75
66
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.11 K
0
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
64
511