本文来自Rancher Labs
 

作者介绍

王海龙,Rancher中国社区技术经理,负责Rancher中国技术社区的维护和运营。拥有6年的云计算领域经验,经历了OpenStack到Kubernetes的技术变革,无论底层操作系统Linux,还是虚拟化KVM或是Docker容器技术都有丰富的运维和实践经验。
 
在实际使用Rancher过程中,偶尔会因为误操作删除了System Workload、节点或集群, 导致集群状态异常而无法访问。如果用户不了解恢复方法,通常会重新添加节或重新搭建集群。

 

本文将根据以下几个场景来介绍如何恢复由于误操作引起的Rancher集群故障:
 

  • 如何恢复System Project Workload

  • 如何恢复从Rancher UI或kubectl误删的节点

  • 如何恢复执行过清理节点脚本的节点

  • 如何恢复被删除的custom集群
     
     

    重要说明

     
     

  • 本文档基于Rancher 2.4.x测试,其他版本操作可能会略有不同

  • 本文介绍的场景均是针对custom集群

  • 如果您在此过程中遇到问题,则应该熟悉Rancher架构/故障排除

  • 您应该熟悉单节点安装和高可用安装之间的体系结构差异
     
     

    如何恢复System Project Workload

 
 
System Project中包含了一些保证该集群能够正常运行的一些workload,如果删除某些workload可能会对该集功能群造成影响。

 

通常情况下,通过RKE创建的custom集群应包括以下workload:
 
误删节点或集群怎么办?这里有一颗后悔药
 
下面我们来分别介绍如果误删了这些workload之后应如何恢复。
 

恢复cattle-cluster-agentcattle-node-agent

 

模拟故障

 

从System Project下删除cattle-cluster-agentcattle-node-agent
 
误删节点或集群怎么办?这里有一颗后悔药
 
生成Kubeconfig和集群yaml

 

1.在Rancher UI上创建API token(用户-> API & Keys)并保存Bearer Token
 
误删节点或集群怎么办?这里有一颗后悔药
 
2.选择集群后,在Rancher UI(格式为c-xxxxx)中找到其clusterid,并在地址栏中找到它。
 
误删节点或集群怎么办?这里有一颗后悔药

 
3.根据步骤1-2获取的变量替换:RANCHERURLCLUSTERIDTOKEN(主机需要安装curl和jq)
 

# Rancher URL
RANCHERURL="https://192.168.99.201"
# Cluster ID
CLUSTERID="c-v6mtr"
# Token
TOKEN="token-klt5n:2smg6n5cb5vstn7qm797l9fbc7s9gljxjw528r7c5c4mwf2g7kr6nm"
# Valid certificates
curl -s -H "Authorization: Bearer ${TOKEN}" "${RANCHERURL}/v3/clusterregistrationtokens?clusterId=${CLUSTERID}" | jq -r '.data[] | select(.name != "system") | .command'
# Self signed certificates
curl -s -k -H "Authorization: Bearer ${TOKEN}" "${RANCHERURL}/v3/clusterregistrationtokens?clusterId=${CLUSTERID}" | jq -r '.data[] | select(.name != "system") | .insecureCommand'

 
以上命令执行成功后,将返回导入集群的命令,请做好备份,命令如下:
 

curl --insecure -sfL https://192.168.99.201/v3/import/2mgnx6f4tvgk5skfzgs6qlcrvn5nnwqh9kchqbf5lhlnswfcfrqwpr.yaml | kubectl apply -f -

 

恢复cattle-cluster-agentcattle-node-agent

 

1、在具有controlplane角色的节点上生成kubeconfig
 

docker run --rm --net=host -v $(docker inspect kubelet --format '{{ range .Mounts }}{{ if eq .Destination "/etc/kubernetes" }}{{ .Source }}{{ end }}{{ end }}')/ssl:/etc/kubernetes/ssl:ro --entrypoint bash $(docker inspect $(docker images -q --filter=label=io.cattle.agent=true) --format='{{index .RepoTags 0}}' | tail -1) -c 'kubectl --kubeconfig /etc/kubernetes/ssl/kubecfg-kube-node.yaml get configmap -n kube-system full-cluster-state -o json | jq -r .data.\"full-cluster-state\" | jq -r .currentState.certificatesBundle.\"kube-admin\".config | sed -e "/^[[:space:]]*server:/ s_:.*_: \"https://127.0.0.1:6443\"_"' > kubeconfig_admin.yaml

 
2、应用更新
 

https://xxx/v3/import/dl75kfmmbp9vj876cfsrlvsb9x9grqhqjd44zvnfd9qbh6r7ks97sr.yaml 替换为生成Kubeconfig和集群yaml步骤中生成的yaml连接,本例为https://192.168.99.201/v3/import/2mgnx6f4tvgk5skfzgs6qlcrvn5nnwqh9kchqbf5lhlnswfcfrqwpr.yaml
 

docker run --rm --net=host -v $PWD/kubeconfig_admin.yaml:/root/.kube/config --entrypoint bash $(docker inspect $(docker images -q --filter=label=io.cattle.agent=true) --format='{{index .RepoTags 0}}' | tail -1) -c 'curl --insecure -sfL https://xxx/v3/import/dl75kfmmbp9vj876cfsrlvsb9x9grqhqjd44zvnfd9qbh6r7ks97sr.yaml | kubectl apply -f -'

 
误删节点或集群怎么办?这里有一颗后悔药
 

验证

 
接下来通过Rancher UI或kubectl可以看到cattle-cluster-agentcattle-node-agent 已经恢复。
 
误删节点或集群怎么办?这里有一颗后悔药

误删节点或集群怎么办?这里有一颗后悔药
 

恢复kube-api-auth

 

默认情况下,RKE 集群会默认启用授权集群端点。这个端点允许您使用 kubectl CLI 和 kubeconfig 文件访问下游的 Kubernetes 集群,RKE 集群默认启用了该端点。

 

如果误删kube-api-auth,恢复的方法也很简单,只需要编辑集群,将“授权集群访问地址”修改成禁用,保存集群。然后再用相同的方法启用 “授权集群访问地址”即可。
 

1、编辑集群
 
误删节点或集群怎么办?这里有一颗后悔药
 
2、禁用授权集群访问地址,保存
 
误删节点或集群怎么办?这里有一颗后悔药
 
3、再次编辑集群,启用授权集群访问地址,保存
 
误删节点或集群怎么办?这里有一颗后悔药
 

恢复nginx-ingress-controllercanalcorednsmetrics-server组件

 

nginx-ingress-controllercanalcorednsmetrics-server 这些workload都是通过kube-system命名空间下的各种job来创建的,所以如果要重建这些workload只需要重新执行对应的job即可。
 

本例使用nginx-ingress-controller做演示,其他workload的恢复步骤可以参考此恢复方案。

 

模拟故障
 

从System Project下删除kube-system 下的default-http-backend和nginx-ingress-controller
 
误删节点或集群怎么办?这里有一颗后悔药
 
执行恢复

 

  1. kube-system命名空间下删除rke-ingress-controller-deploy-job(如果不删除对应的job,更新集群后,不会重新触发job重新执行)
     
  2. 为了触发集群更新,可以编辑集群,修改NodePort范围,然后保存。

 

验证

 

集群更新成功后,回到System Project下确认default-http-backendnginx-ingress-controller已经重新创建。
 
误删节点或集群怎么办?这里有一颗后悔药
 
 

如何恢复从Rancher UI或kubectl误删的节点

 
 

当节点处于“活动”状态,从集群中删除节点将触发一个进程来清理节点。如果没有重启服务器,并不会完成所有的清除所有非持久化数据。

 

如果无意中将节点删除,只需要使用相同的参数再次添加节点即可恢复集群。
 

比如我的环境有两个节点,分别具有全部Worker角色
 
误删节点或集群怎么办?这里有一颗后悔药
 
从Rancher UI或kubectl将节点rancher2删除,此时集群中只剩下一个rancher3节点,由于集群中缺少EtcdControl角色,所以集群提示:Waiting for etcd and controlplane nodes to be registered
 
误删节点或集群怎么办?这里有一颗后悔药
 

接下来,编辑集群,并且设置相同的节点参数,这地方要注意,一定要设置和之前添加节点时相同的节点参数。
 
误删节点或集群怎么办?这里有一颗后悔药
 
复制添加节点命令在rancher2的SSH终端运行。
 
误删节点或集群怎么办?这里有一颗后悔药
 
过一会,再回到集群集群主机列表页面,可以看到rancher2节点已经恢复
 
误删节点或集群怎么办?这里有一颗后悔药
 
 

如何恢复执行过清理节点脚本的节点

 
 
中文官网提供了一个清理节点的脚本,这个脚本会清理节点上的容器、卷、rancher/kubernetes目录、网络、进程、iptables等。

 

如果由于误操作,在正确的节点上执行了清理脚本。针对这种场景,只有在rancher中创建过备份的集群才可以恢复。
 

创建集群备份参考中文官网:

https://rancher2.docs.rancher.cn/docs/cluster-admin/backing-up-etcd/_index
 
在我的环境中,demo集群有rancher2rancher3两个节点。
 
误删节点或集群怎么办?这里有一颗后悔药
 

创建备份

 

在Rancher UI上创建集群快照,稍后恢复集群的时候会用的到。
 
误删节点或集群怎么办?这里有一颗后悔药
 
然后导航到全局->demo->工具->备份查看已经创建的ETCD备份,从备份创建时间可以看出,刚才创建的备份名称为c-v6mtr-ml-klt5n
 
误删节点或集群怎么办?这里有一颗后悔药
 
备份文件存到了etcd(rancher2)节点对应的/opt/rke/etcd-snapshots目录下。
 
误删节点或集群怎么办?这里有一颗后悔药
 

清理节点

 

在rancher2节点执行中文官网节点清理脚本,清理理完之后,不出所料,集群崩了。
 
误删节点或集群怎么办?这里有一颗后悔药
 

恢复集群

 

节点清理脚本并不会将/opt/rke目录删除,只是使用mv /opt/rke /opt/rke-bak-$(date +"%Y%m%d%H%M")做了个备份。接下来可以将快照备份恢复到默认的/opt/rke目录下。
 

mv /opt/rke-bak-202007060903 /opt/rke

 
接下来,编辑集群重新添加节点。这地方要注意,一定要设置和之前添加节点时相同的节点参数。
 
误删节点或集群怎么办?这里有一颗后悔药
 
误删节点或集群怎么办?这里有一颗后悔药
 
运⾏完命令之后,可以看到rancher agent已经正常工作起来了。
 
误删节点或集群怎么办?这里有一颗后悔药
 

接下来,选择之前的备份记录,保存,开始恢复集群。
 
误删节点或集群怎么办?这里有一颗后悔药
 
现在集群的状态变成了Updating,已经开始使用之前创建的快照进行恢复集群了

 
误删节点或集群怎么办?这里有一颗后悔药
 
稍等片刻,可以看到kubernetes组件全部运行起来。
 
误删节点或集群怎么办?这里有一颗后悔药
 
集群状态也变为了Active,此时,集群已经成功恢复
 
误删节点或集群怎么办?这里有一颗后悔药
 

业务应用检查

 

之前部署的名为nginx的nginx应⽤依旧存在,且运行正常。
 
误删节点或集群怎么办?这里有一颗后悔药
 
误删节点或集群怎么办?这里有一颗后悔药
 
 

如何恢复被删除的custom集群

 
 

在Rancher UI中误删自定义的集群,如果要恢复该集群,必须需要有Rancher local集群和自定义集群的备份才可以恢复。

 

备份集群

 

备份custom集群

 

参考 https://rancher2.docs.rancher.cn/docs/cluster-admin/backing-up-etcd/_index 备份custom集群,备份成功后,可以导航到集群->工具->备份查看备份。
 

误删节点或集群怎么办?这里有一颗后悔药
 
备份local集群

 
参考 https://rancher2.docs.rancher.cn/docs/backups/_index 备份local集群,备份成功后,将在本地生成一个tar.gz文件。
 
误删节点或集群怎么办?这里有一颗后悔药
 

模拟故障

 

备份custom集群

 

参考 https://rancher2.docs.rancher.cn/docs/cluster-admin/backing-up-etcd/_index 备份custom集群,备份成功后,可以导航到集群->工具->备份查看备份。
 
误删节点或集群怎么办?这里有一颗后悔药
 
备份local集群
 

备份local集群可参考:
 
https://rancher2.docs.rancher.cn/docs/backups/_index
 
备份成功后,将在本地生成一个tar.gz文件。
 
误删节点或集群怎么办?这里有一颗后悔药
 

模拟故障

 

接下来可以在Rancher UI上将集群删除来模拟故障。
 
误删节点或集群怎么办?这里有一颗后悔药
 

恢复local集群

 
恢复local集群,可参考:
 
https://rancher2.docs.rancher.cn/docs/backups/restorations/_index

 

local恢复成功后,重新登录Rancher UI,可以看到刚才被删除的custom集群又重新显示了,但状态是Unavailable
 
误删节点或集群怎么办?这里有一颗后悔药
 
恢复custom集群
 

接下来,可以根据之前创建的custom集群快照恢复custom集群。

 

恢复custom集群参考:
 
https://rancher2.docs.rancher.cn/docs/cluster-admin/restoring-etcd/_index
 

误删节点或集群怎么办?这里有一颗后悔药
 
恢复后,集群状态变为Updating,稍等片刻,可以看到集群状态又变为Active,集群恢复成功。
 
误删节点或集群怎么办?这里有一颗后悔药

误删节点或集群怎么办?这里有一颗后悔药
 
 

总 结

 
 

从以上几个场景的恢复操作可以看出,大部分的恢复方案都依赖于集群的备份,所以大家在生产环境中一定要做好定时备份,并且最好将备份文件上传到远端备份服务器,这样可以在灾难情况下保护您的数据。