运维手册
Alauda Data Services Relational Database E3 集群的 day-2 运维实用参考。每个部分均可独立使用——直接跳转到所需的操作。
在 kubectl 命令中,将 CNPG 集群表示为 cluster.postgresql.cnpg.io ——在 ACP 集群上,裸 cluster 短名称会解析为 Cluster API 的资源。以下多个操作步骤使用 cnpg kubectl 插件(kubectl cnpg ...);请从上游 CloudNativePG 发布构件中安装该插件。
目录
集群生命周期创建集群扩缩实例Switchover(计划内,不丢失数据)删除集群备份和恢复配置备份存储按需备份计划备份从备份恢复验证备份是否存在故障转移场景主 pod 丢失时自动故障转移手动故障转移(替换异常的主节点)灾难恢复(整个集群丢失)节点驱逐和节点维护驱逐工作节点升级期间隔离节点Operator 和 PostgreSQL 升级Operator(OLM bundle)升级PostgreSQL 主版本升级(例如 17 → 18)次版本 / 修补版本升级监控日志访问故障排查矩阵问题反馈渠道商标声明集群生命周期
创建集群
等待 phase: Cluster in healthy state。3 实例集群通常需要两到五分钟才能达到健康状态(首次使用时,镜像拉取所需时间占主要部分)。
扩缩实例
通过编辑 spec.instances 增加或减少 Replica:
扩容会添加新的 standby pod(一次添加一个);缩容会移除编号最高的 Replica。缩容操作永远不会删除 primary——若要移除 primary 的 pod,请先执行 switchover。
Switchover(计划内,不丢失数据)
使用 cnpg kubectl 插件提升指定的 Replica:
当前 primary 会完成正在执行的事务,目标 Replica 提升为 primary,旧 primary 作为 standby 重新加入。写入停机时间通常为 5–15 秒。(spec.switchoverDelay 控制 operator 等待旧 primary 正常关闭的时长。)
删除集群
删除 Cluster 会删除其 PVC,因此也会删除其中的数据。 实例 PVC 归 Cluster 所有,并会随 Cluster 一起进行垃圾回收。删除前,请执行一次最终备份(并验证备份确实存在!);或者改为休眠集群(使用 cnpg.io/hibernation: "on" annotation),以便停止计算资源但保留卷。
备份和恢复
配置备份存储
CNPG 使用 Barman Cloud plugin 进行兼容 S3 的备份。有关创建流程(包括 plugin attach 触发的滚动重启,请在首次备份前等待集群达到健康状态),请参阅快速入门:第 3 步。
按需备份
查看进度:kubectl get backup -n <ns>。phase 会从 running 转换为 completed(或 failed)。小型集群的备份通常需要 10–60 秒。
计划备份
若要在创建时立即运行首次备份,请设置 immediate: true。注意:将 immediate: true 修补到现有 ScheduledBackup 上不会追溯触发备份——该设置仅在创建时生效。
从备份恢复
创建一个新的 Cluster,并使用 bootstrap.recovery 指向源集群的 ObjectStore。使用 externalClusters 声明源集群:
系统会先运行完整恢复作业(小型集群通常需要约 30–60 秒),然后新的 primary 启动。PITR 要求恢复目标时间位于源集群的 WAL 归档范围内。
验证备份是否存在
故障转移场景
主 pod 丢失时自动故障转移
如果主 pod 被删除、终止或其节点发生故障,operator 会自动将 复制进度最超前的备用节点提升为主节点。无需手动操作。
kubectl cnpg status <cluster> -n <ns> 显示复制拓扑以及当前哪个 pod 是主节点。
手动故障转移(替换异常的主节点)
对于计划内替换,请使用上面的切换操作步骤
(kubectl cnpg promote)。避免在主节点上使用
kubectl delete pod——切换更加简洁。
灾难恢复(整个集群丢失)
按照从备份恢复操作步骤,将最近的备份恢复到新的 namespace 或使用新的集群名称。
节点驱逐和节点维护
驱逐工作节点
CNPG 会为每个集群创建 PodDisruptionBudgets,因此 kubectl drain
可以安全运行:
具体行为取决于被驱逐节点上运行的是哪个 pod:
对于同步复制集群,一次仅驱逐一个节点,并等待
kubectl cnpg status 显示所有从节点再次处于流式复制状态,然后再驱逐下一个节点。
升级期间隔离节点
升级工作节点时,先隔离节点,然后再驱逐。operator 会自动将 pod
重新调度到其他工作节点。如果 pod 无法重新调度(容量不足),请添加节点,或在驱逐前临时降低
spec.instances。
Operator 和 PostgreSQL 升级
Operator(OLM bundle)升级
当 installPlanApproval: Automatic 时,OLM 会自动从 catalog 获取新版本。CSV 会从旧版本过渡到新版本,operator pod 只会重启一次。Operator 升级期间不会重新创建 PostgreSQL pod ——它们会继续按原样运行。
如果存在 installPlanApproval: Manual,InstallPlan 会保持在
phase: RequiresApproval,直到你对其进行修补:
有关版本间升级的具体信息,请参阅 Upgrade。
PostgreSQL 主版本升级(例如 17 → 18)
CNPG 支持声明式主版本升级:将集群指向下一个主版本的 operand 镜像(spec.imageName;如果你管理 catalog,则使用 spec.imageCatalogRef.major)。Operator 会执行离线升级:实例关闭,在专用 job 中运行 pg_upgrade,然后实例以新的主版本恢复运行(从节点会根据升级后的主节点重新创建)。
触发升级前请先创建备份,并首先验证扩展与新主版本的兼容性;同时预计在 pg_upgrade job 运行期间出现写入中断(时长取决于数据量)。
次版本 / 修补版本升级
更新 PostgreSQL 次版本(例如 18.3 → 18.4)属于滚动更新:从节点逐个使用新镜像重启,然后执行切换,最后更新旧主节点。典型写入中断时间为 5–15 秒(即切换所需时间)。
监控
每个实例都会通过内置 exporter 在端口 9187 上公开指标;默认查询包(位于 cnpg-system 中的 cnpg-default-monitoring ConfigMap)会在启动时由 operator 自动安装并完成连接配置 ——无需在 Cluster 上进行任何配置。
要在 ACP 上抓取这些指标,需要使用带有 prometheus: kube-prometheus 标签的 PodMonitor;如需进行可视化,请导入两个 Curated 仪表板 ——具体步骤均在 Grafana dashboards 中介绍。
日志访问
日志采用 JSON 格式;可通过 jq 管道处理,以提高可读性。
故障排查矩阵
对于配置层面的问题,请参阅 故障排查快速参考。
问题反馈渠道
- 产品问题(operator、镜像、备份插件):请通过您的 Alauda 支持渠道反馈。
- 文档问题:GitHub
alauda/cnpg-docs。
如需了解这些操作背后的深层模型,请参阅架构。
商标声明
CloudNativePG™ 是 The Linux Foundation 的商标。
PostgreSQL® 是 PostgreSQL Community Association of Canada 的注册商标。
Alauda 是一家独立供应商。本产品与 The Linux Foundation、PostgreSQL Community Association of Canada 无关联,也未获得其认可或赞助。所有商标均为其各自所有者的财产,在此仅用于标识目的。