维护 TiDB 集群所在的 Kubernetes 节点

TiDB 是高可用数据库,可以在部分数据库节点下线的情况下正常运行,因此,我们可以安全地对底层 Kubernetes 节点进行停机维护。在具体操作时,针对 PD、TiKV 和 TiDB 实例的不同特性,我们需要采取不同的操作策略。

本文档将详细介绍如何对 Kubernetes 节点进行临时或长期的维护操作。

环境准备:

注意:

长期维护节点前,需要保证 Kubernetes 集群的剩余资源足够运行 TiDB 集群。

维护 PD 和 TiDB 实例所在节点

PD 和 TiDB 实例的迁移较快,可以采取主动驱逐实例到其它节点上的策略进行节点维护:

  1. 检查待维护节点上是否有 TiKV 实例:

    1. kubectl get pod --all-namespaces -o wide | grep <node-name>

    假如存在 TiKV 实例,请参考维护 TiKV 实例所在节点

  2. 使用 kubectl cordon 命令防止新的 Pod 调度到待维护节点上:

    1. kubectl cordon <node-name>
  3. 使用 kubectl drain 命令将待维护节点上的数据库实例迁移到其它节点上:

    1. kubectl drain <node-name> --ignore-daemonsets --delete-local-data

    运行后,该节点上的 TiDB 实例会自动迁移到其它可用节点上,PD 实例则会在 5 分钟后触发自动故障转移补齐节点。

  4. 此时,假如希望下线该 Kubernetes 节点,则可以将该节点删除:

    1. kubectl delete node <node-name>

    假如希望恢复 Kubernetes 节点,则需要在恢复节点后确认其健康状态:

    1. watch kubectl get node <node-name>

    观察到节点进入 Ready 状态后,继续操作。

  5. 使用 kubectl uncordon 命令解除节点的调度限制:

    1. kubectl uncordon <node-name>
  6. 观察 Pod 是否全部恢复正常运行:

    1. watch kubectl get -n $namespace pod -o wide

    或者:

    1. watch tkctl get all

    Pod 恢复正常运行后,操作结束。

维护 TiKV 实例所在节点

TiKV 实例迁移较慢,并且会对集群造成一定的数据迁移负载,因此在维护 TiKV 实例所在节点前,需要根据维护需求选择操作策略:

  • 假如是维护短期内可恢复的节点,则不需要迁移 TiKV 节点,在维护结束后原地恢复节点;
  • 假如是维护短期内不可恢复的节点,则需要规划 TiKV 的迁移工作。

维护短期内可恢复的节点

针对短期维护,我们可以通过调整 PD 集群的 max-store-down-time 配置来增大集群所允许的 TiKV 实例下线时间,在此时间内维护完毕并恢复 Kubernetes 节点后,所有该节点上的 TiKV 实例会自动恢复。

  1. kubectl port-forward svc/<CLUSTER_NAME>-pd 2379:2379
  1. pd-ctl -d config set max-store-down-time 10m

调整 max-store-down-time 到合理的值后,后续的操作方式与维护 PD 和 TiDB 实例所在节点相同。

维护短期内不可恢复的节点

针对短期内不可恢复的节点维护,如节点长期下线等情形,需要使用 pd-ctl 主动通知 TiDB 集群下线对应的 TiKV 实例,再手动解除 TiKV 实例与该节点的绑定。

  1. 使用 kubectl cordon 命令防止新的 Pod 调度到待维护节点上:

    1. kubectl cordon <node-name>
  2. 查看待维护节点上的 TiKV 实例:

    1. tkctl get -A tikv | grep <node-name>
  3. 使用 pd-ctl 主动下线 TiKV 实例。

    注意:

    下线 TiKV 实例前,需要保证集群中剩余的 TiKV 实例数不少于 PD 配置中的 TiKV 数据副本数(配置项:max-replicas)。假如不符合该条件,需要先操作扩容 TiKV。

    查看 TiKV 实例的 store-id

    1. kubectl get tc <CLUSTER_NAME> -ojson | jq '.status.tikv.stores | .[] | select ( .podName == "<POD_NAME>" ) | .id'

    下线实例:

    1. kubectl port-forward svc/<CLUSTER_NAME>-pd 2379:2379
    1. pd-ctl -d store delete <ID>
  4. 等待 store 状态(state_name)转移为 Tombstone

    1. watch pd-ctl -d store <ID>
  5. 解除 TiKV 实例与节点本地盘的绑定。

    查询 Pod 使用的 PesistentVolumeClaim

    1. kubectl get -n <namespace> pod <pod_name> -ojson | jq '.spec.volumes | .[] | select (.name == "tikv") | .persistentVolumeClaim.claimName'

    删除该 PesistentVolumeClaim

    1. kubectl delete -n <namespace> pvc <pvc_name>
  6. 删除 TiKV 实例:

    1. kubectl delete -n <namespace> pod <pod_name>
  7. 观察该 TiKV 实例是否正常调度到其它节点上:

    1. watch kubectl -n <namespace> get pod -o wide

    假如待维护节点上还有其它 TiKV 实例,则重复同样的操作步骤直到所有的 TiKV 实例都迁移到其它节点上。

  8. 确认节点不再有 TiKV 实例后,再逐出节点上的其它实例:

    1. kubectl drain <node-name> --ignore-daemonsets --delete-local-data
  9. 再次确认节点不再有任何 TiKV、TiDB 和 PD 实例运行:

    1. kubectl get pod --all-namespaces | grep <node-name>
  10. 最后(可选),假如是长期下线节点,建议将节点从 Kubernetes 集群中删除:

    1. kuebctl delete node <node-name>

至此,操作完成。