本文档采用自动化机器翻译技术翻译。尽管我们力求提供准确的译文，但不对翻译内容的完整性、准确性或可靠性作出任何保证。若出现任何内容不一致情况，请以原始英文版本为准，且原始英文版本为权威文本。

这是尚未发布的文档。 SUSE® Storage 1.12 (Dev).

节点故障管理

Kubernetes 节点故障时的预期

本节旨在告知用户节点故障期间发生的情况以及恢复期间的预期。

在 一分钟 后，kubectl get nodes 将对故障节点报告 NotReady.

大约在 五分钟 后，NotReady 节点上所有 pod 的状态将变为 Unknown 或 NodeLost。

StatefulSets 具有稳定的身份，因此 Kubernetes 不会强制删除用户的 pod。请参阅官方 Kubernetes 文档，了解如何强制删除 StatefulSet。

Deployments 没有稳定的身份，但对于读写一次（Read-Write-Once, RWO）类型的存储，由于它不能同时附加到两个节点，因此 Kubernetes 创建的新 pod 将无法启动，因为 RWO 卷仍附加在丢失节点的旧 pod 上。

在这两种情况下，Kubernetes 将自动驱逐丢失节点上的 pod（为 pod 设置删除时间戳），然后尝试 使用旧卷重新创建一个新 pod。因为被驱逐的 pod 卡在 Terminating 状态，附加的卷无法释放/重用，如果没有管理员或存储软件的干预，新 pod 将卡在 ContainerCreating 状态。

节点故障时 Longhorn Pod 删除策略

Longhorn 提供一个选项，帮助用户在故障节点上自动强制删除 StatefulSet/Deployment 的终止 pod。强制删除后，Kubernetes 将分离 Longhorn 卷，并在新节点上启动替换 pod。

您可以在 Longhorn UI 的设置选项卡中找到有关设置选项的更多详细信息，或在 Pod Deletion Policy When Node is Down 中查看设置参考。

Kubernetes 节点恢复时的预期

如果节点在故障后 5 - 6 分钟内恢复在线，Kubernetes 将重新启动 pod，卸载并重新挂载卷，而无需重新附加卷和清理 VolumeAttachment。

由于节点故障后卷引擎会停止工作，因此这种直接重新挂载将无法工作，因为设备在节点上不再存在。

在这种情况下，Longhorn 将分离并重新附加卷，以恢复卷引擎，以便 pod 可以安全地重新挂载/重用卷。

如果节点在故障后 5 - 6 分钟内未恢复在线，Kubernetes 将根据 pod 驱逐机制尝试删除所有不可达的 pod，这些 pod 将处于 Terminating 状态。有关详细信息，请参见 pod 驱逐超时。

如果失败的节点稍后恢复，Kubernetes 将重新启动那些终止的 pod，分离卷，等待旧的 VolumeAttachment 清理，并重新使用（重新附加和重新挂载）这些卷。通常这些步骤可能需要 1 到 7 分钟。

在这种情况下，分离和重新附加操作已经包含在 Kubernetes 的恢复程序中。因此不需要额外的操作，Longhorn 卷将在上述步骤后可用。

对于所有上述恢复场景，Longhorn 将与 Kubernetes 协同自动处理这些步骤。