前 言
大部分Rancher用户倾向于通过使用Rancher Server创建自定义集群。而创建完成之后，也许会因为各种各样的原因导致 Rancher Server 无法继续管理该集群，比如误删 Rancher Server 或备份数据无法恢复等。遇到此类问题，通常的解决方案是重新启动一个 Rancher Server 并将下游业务集群导入并纳管，但这样会导致一些“后遗症”，比如无法继续扩展业务集群的节点。
为了消除这一“后遗症”的影响，我们可以通过RKE纳管Rancher Server 创建的“自定义”集群。
正如你所知，Rancher Server 通过 UI 创建的"自定义"集群，后端是通过 RKE 实现的，所以 RKE(https://docs.rancher.cn/rke/)有能力去纳管Rancher Server 创建的“自定义”集群。
通过RKE 创建和管理 Kubernetes 集群，依赖 3 个文件：
cluster.yml：RKE 集群配置文件
kube_config_cluster.yml：该文件包含了获取该集群所有权限的认证凭据
cluster.rkestate：Kubernetes 集群状态文件，包含了获取该集群所有权限的认证凭据
所以，只要能从下游业务集群中获得这 3 个文件，就可以结合 RKE 二进制文件继续管理下游业务集群。下面将详细介绍如何通过 RKE 纳管 Rancher Server 创建的“自定义”集群，并通过RKE扩展集群的节点。
演示环境
本文只针对 Rancher v2.4.x 和 v2.5.x 版本做了测试，其他版本可能不适用。
为了更好的演示效果，本文将从 Rancher Server 创建“自定义”集群开始，然后通过 RKE 纳管"自定义"集群，最后为了确认 RKE 有能力纳管集群，将演示通过 RKE 添加一个节点。
Rancher Server（ip-172-31-2-203）可以采用最简单的docker run方式启动，并通过 UI 创建一个"自定义"集群，集群中包括两个节点：ip-172-31-2-203和ip-172-31-1-111, 详细如下：
# kubectl get nodesNAME STATUS ROLES AGE VERSIONip-172-31-1-111 Ready worker 2m2s v1.18.14ip-172-31-2-203 Ready controlplane,etcd,worker 3m23s v1.18.14
RKE纳管“自定义”集群
1、将ip-172-31-8-56 关机，模拟 Rancher Server 故障，此时无法通过 Rancher Server 继续管理下游集群。
2、恢复下游业务集群的kube_config_cluster.yml文件，在controlplane节点上运行以下命令：
# 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成功导出kubeconfig_admin.yaml之后，就可以使用 kubectl 继续操作下游业务集群：
# kubectl --kubeconfig kubeconfig_admin.yaml get nodesNAME STATUS ROLES AGE VERSIONip-172-31-1-111 Ready worker 32m v1.18.14ip-172-31-2-203 Ready controlplane,etcd,worker 34m v1.18.14
3、恢复下游业务集群的cluster.rkestate文件，在controlplane节点上运行以下命令：
# 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=org.label-schema.vcs-url=https://github.com/rancher/hyperkube.git) \ --format='{{index .RepoTags 0}}' | tail -1) \ -c 'kubectl --kubeconfig /etc/kubernetes/ssl/kubecfg-kube-node.yaml \ -n kube-system get configmap full-cluster-state \ -o json | jq -r .data.\"full-cluster-state\" | jq -r .' \ > cluster.rkestate4、恢复下游业务集群的cluster.yml文件
目前我没找到好方法可以自动恢复该文件，但可以基于已经恢复的cluster.rkestate来手动恢复cluster.yml文件，因为cluster.yml需要的配置基本都可以从cluster.rkestate获得。
从cluster.rkestate中获得集群节点的配置信息：
# cat cluster.rkestate | jq -r .desiredState.rkeConfig.nodes[ { "nodeName": "c-kfbjs:m-d3e75ad7a0ea", "address": "172.31.2.203", "port": "22", "internalAddress": "172.31.2.203", "role": [ "etcd", "controlplane", "worker"], "hostnameOverride": "ip-172-31-2-203", "user": "root", "sshKeyPath": "~/.ssh/id_rsa" }]根据 cluster.rkestate提供的节点信息，手动编写 cluster.yml
# cat cluster.ymlnodes: - address: 172.31.2.203 hostname_override: ip-172-31-2-203 user: ubuntu role: - controlplane - etcd - worker - address: 172.31.1.111 hostname_override: ip-172-31-1-111 user: ubuntu role: - worker - address: 172.31.5.186 hostname_override: ip-172-31-5-186 user: ubuntu role: - workerkubernetes_version: v1.18.14-rancher1-1
以上手动编写的 cluster.yml 有几个地方需要注意：
只能从cluster.rkestate文件中获得controlplane(ip-172-31-2-203)节点的信息，因为本例集群中还有一个worker(p-172-31-1-111)节点，所以需要将worker(p-172-31-1-111)节点的信息手动补充完整。
cluster.yaml中的ip-172-31-5-186是新增的worker节点，用于下一步演示 RKE 新增节点。
从cluster.rkestate获得的节点信息是root用户，需要根据实际需求，修改成 RKE 执行的用户，本例为ubuntu用户。
一定要指定原始集群的kubernetes_version参数，否则会将集群升级到 RKE 默认的最新版 Kubernetes。
除了以上方式，还可以通过下面的脚本恢复cluster.yml。同样，你需要修改以上几点提到的地方。使用这种方法的好处是可以更完整的恢复cluster.yml文件，篇幅有限，就不做过多演示：
#!/bin/bashecho "Building cluster.yml..."echo "Working on Nodes..."echo 'nodes:' > cluster.ymlcat cluster.rkestate | grep -v nodeName | jq -r .desiredState.rkeConfig.nodes | yq r - | sed 's/^/ /' | \sed -e 's/internalAddress/internal_address/g' | \sed -e 's/hostnameOverride/hostname_override/g' | \sed -e 's/sshKeyPath/ssh_key_path/g' >> cluster.ymlecho "" >> cluster.ymlecho "Working on services..."echo 'services:' >> cluster.ymlcat cluster.rkestate | jq -r .desiredState.rkeConfig.services | yq r - | sed 's/^/ /' >> cluster.ymlecho "" >> cluster.ymlecho "Working on network..."echo 'network:' >> cluster.ymlcat cluster.rkestate | jq -r .desiredState.rkeConfig.network | yq r - | sed 's/^/ /' >> cluster.ymlecho "" >> cluster.ymlecho "Working on authentication..."echo 'authentication:' >> cluster.ymlcat cluster.rkestate | jq -r .desiredState.rkeConfig.authentication | yq r - | sed 's/^/ /' >> cluster.ymlecho "" >> cluster.ymlecho "Working on systemImages..."echo 'system_images:' >> cluster.ymlcat cluster.rkestate | jq -r .desiredState.rkeConfig.systemImages | yq r - | sed 's/^/ /' >> cluster.ymlecho "" >> cluster.yml
5、使用 RKE 在原有集群上新增节点。
到目前为止，RKE 需要的配置文件cluster.yml、cluster.rkestate都已经恢复完成，接下来就可以通过rke up来操作集群增加worker(p-172-31-1-111)节点。
# rke upINFO[0000] Running RKE version: v1.2.4INFO[0000] Initiating Kubernetes clusterINFO[0000] [certificates] GenerateServingCertificate is disabled, checking if there are unused kubelet certificatesINFO[0000] [certificates] Generating admin certificates and kubeconfigINFO[0000] Successfully Deployed state file at [./cluster.rkestate]INFO[0000] Building Kubernetes clusterINFO[0000] [dialer] Setup tunnel for host [172.31.2.203]INFO[0000] [dialer] Setup tunnel for host [172.31.1.111]INFO[0000] [dialer] Setup tunnel for host [172.31.5.186]......INFO[0090] [addons] no user addons definedINFO[0090] Finished building Kubernetes cluster successfully
等待集群更新完成之后，再次获取节点信息：
# kubectl --kubeconfig kubeconfig_admin.yaml get nodesNAME STATUS ROLES AGE VERSIONip-172-31-1-111 Ready worker 8m6s v1.18.14ip-172-31-2-203 Ready controlplane,etcd,worker 9m27s v1.18.14ip-172-31-5-186 Ready worker 29s v1.18.14
可以看到新增了一个worker(ip-172-31-5-186)节点，并且集群版本依然是v1.18.14。
以后，可以通过 RKE 来继续管理通过 Rancher Server 创建的自定义集群，无论是新增节点、快照、恢复均可。和直接通过 RKE 创建的集群几乎无差别。
后 记
虽然本文介绍了如何通过 RKE 纳管 Rancher 自定义集群，但操作比较复杂，特别是cluster.yml的配置，如果出现一点差错，可能就会导致整个集群的更新或出错，所以使用前请您一定要多做测试。
