Alauda Cache Service E2
  • 简体中文

    • 诊断未就绪的实例

    当 Valkey 保持在 Initializing、Rebalancing 或 Failed 状态时，或者预期的 Pod 和 Service 不可用时，请使用此操作步骤。

    目录

    保留当前状态检查准入和规格失败检查无法调度的 Pod检查存储检查 TLS 资源检查容器和 Operator检查拓扑健康状态升级包

    保留当前状态

    不要先重启或编辑子资源。请先记录所属资源、子资源、Pod 和 Events：

    kubectl -n <namespace> get valkey <name> -o yaml
kubectl -n <namespace> describe valkey <name>
kubectl -n <namespace> get cluster,failover,sentinel -o wide
kubectl -n <namespace> get pods,service,pvc -l buf.red/name=<name> -o wide
kubectl -n <namespace> get events --sort-by=.lastTimestamp

    读取 .status.phase 和 .status.message。高级状态是主要摘要；子资源状态提供与拓扑相关的详细信息。

    检查准入和规格失败

    如果创建或更新被拒绝，请在不修改实际对象的情况下重现校验：

    kubectl apply --dry-run=server -f valkey.yaml

    常见的校验边界包括：

    症状检查
    不支持的版本对于 product 2.0.0，仅使用 7.2、8.1 或 9.1。
    资源校验错误指定 CPU 和内存；保持 requests 和 limits 相等，以避免 webhook 警告。
    Cluster 分片错误使用 3–128 个分片，以及每个分片 1–5 个总成员。分片数量超过 128 时，可能通过高级准入校验，但在 Operator 拥有的子资源上稍后失败，导致实例变为 Failed 而不是被拒绝。
    Failover Sentinel 错误将数据分片保持为 1，并使用至少 3 个奇数个 Sentinel。
    NodePort 拒绝除非交付的构建定义了已校验的格式，否则不要设置 spec.access.ports；检查集群范围内的端口冲突。
    TLS 拒绝或停滞验证 certIssuer、certIssuerType、issuer 就绪状态以及 cert-manager。
    访问控制列表（ACL）用户拒绝验证同命名空间的密码 Secret、password 键、密码长度、用户名以及 ACL 语法。

    检查无法调度的 Pod

    kubectl -n <namespace> get pods -l buf.red/name=<name> -o wide
kubectl -n <namespace> describe pod <pending-pod>
kubectl get nodes -o wide
kubectl describe node <candidate-node>

    检查 CPU 或内存不足、必需的反亲和性、node-selector 不匹配、无法容忍的 taint、persistent volume claim（PVC）拓扑冲突以及命名空间配额。 对于 Cluster，两个必需策略都通过分片本地 selector 实现，因此某个分片中的每个成员都需要不同的符合条件的节点；不同分片可以共享节点。对于没有自定义 affinity 的 Failover 或 Replica，每个数据成员都需要不同的符合条件的节点。

    检查存储

    kubectl -n <namespace> get pvc -l buf.red/name=<name>
kubectl -n <namespace> describe pvc <pvc-name>
kubectl get storageclass

    处于 Pending 的 PVC 会阻止其 Pod。请确认 StorageClass 是否存在、provisioner 是否健康、访问模式、容量、卷拓扑以及存储配额。在了解其数据保留要求和恢复步骤之前，不要删除 PVC。

    检查 TLS 资源

    kubectl -n <namespace> get certificate,secret
kubectl -n <namespace> describe certificate <name>-cert
kubectl -n <namespace> get secret <name>-tls
kubectl -n <namespace> get issuer
kubectl get clusterissuer

    Operator 期望 cert-manager 将 <name>-cert 签发到 <name>-tls 中。检查 issuer 就绪状态、DNS 名称、证书 Events 以及 cert-manager 日志。切勿在支持记录中打印私钥数据。

    检查容器和 Operator

    kubectl -n <namespace> logs <pod-name> -c valkey --previous --tail=200
# Run only when the exporter sidecar is enabled.
kubectl -n <namespace> logs <pod-name> -c exporter --tail=200
kubectl get deployment -A -l app.kubernetes.io/name=valkey-operator
kubectl -n <operator-namespace> logs deployment/<operator-deployment> \
  --all-containers --since=30m

    对于 Failover，还要检查 sentinel 容器。将日志与故障时间对齐，并将其与 Events 关联起来。

    检查拓扑健康状态

    对于 Cluster：

    kubectl -n <namespace> exec <ready-cluster-pod> -c valkey -- \
  valkey-cli CLUSTER INFO
kubectl -n <namespace> exec <ready-cluster-pod> -c valkey -- \
  valkey-cli CLUSTER NODES

    对于 Failover 或 Replica：

    kubectl -n <namespace> exec <ready-data-pod> -c valkey -- \
  valkey-cli INFO replication

    当端点需要 ACL 和 TLS 选项时，请一并添加。不要假设对某个节点成功执行 PING 就能证明整个 Cluster 覆盖完整或复制健康。

    升级包

    请提供以下内容，并移除 Secret 值：

    • Valkey 及相关子资源 YAML；
    • Events 和 Pod 描述；
    • 指定时间范围内的 Operator、数据节点、Sentinel 和 exporter 日志；
    • PVC、Service、EndpointSlice 和 Certificate 状态；
    • CLUSTER INFO 和 CLUSTER NODES，或 INFO replication；
    • 产品版本、Operator 镜像、服务器镜像、确切故障时间，以及最近一次更改。

    请参考官方 CLUSTER INFO 参考、CLUSTER NODES 参考 和 INFO 参考 来解读服务器命令。