13.6. control plane 机器集故障排除

使用本节中的信息从您可能会遇到的问题了解和恢复。

您可以验证 ControlPlaneMachineSet 自定义资源 (CR) 是否存在以及其状态。

流程

后续步骤

要使用 control plane 机器集，您必须确保集群有正确设置的 ControlPlaneMachineSet CR。

其他资源

Azure 的 ControlPlaneMachineSet 和 control plane Machine 自定义资源(CR) 都需要 internalLoadBalancer 参数。如果集群上没有预配置此参数，则必须将其添加到两个 CR 中。

有关此参数位于 Azure 供应商规格中的更多信息，请参阅 Azure 供应商规格示例。control plane Machine CR 中的放置类似。

流程

运行以下命令列出集群中的 control plane 机器：

$ oc get machines \
  -l machine.openshift.io/cluster-api-machine-role==master \
  -n openshift-machine-api

对于每个 control plane 机器，运行以下命令编辑 CR：
```
$ oc edit machine <control_plane_machine_name>
```
添加 internalLoadBalancer 参数，使其包含您的集群的正确详情，并保存您的更改。

运行以下命令来编辑 control plane 机器集 CR：

$ oc edit controlplanemachineset.machine.openshift.io cluster \
  -n openshift-machine-api

后续步骤

其他资源

在某些情况下可能会导致 etcd Operator 降级。

例如，在执行补救时，机器健康检查可能会删除托管 etcd 的 control plane 机器。如果此时无法访问 etcd 成员，etcd Operator 会降级。

当 etcd Operator 降级时，需要人工干预才能强制 Operator 删除失败的成员并恢复集群状态。

流程

运行以下命令列出集群中的 control plane 机器：
```
$ oc get machines \
  -l machine.openshift.io/cluster-api-machine-role==master \
  -n openshift-machine-api \
  -o wide
```
以下任何条件都可能表示 control plane 机器失败：
- STATE 值为 stopped。
- PHASE 值是 Failed。
- PHASE 值为 Deleting 超过十分钟。
重要
在继续操作前，请确保集群有两个健康的 control plane 机器。对多个 control plane 机器执行操作可能会丢失 etcd 仲裁，并可能导致数据丢失。
如果您丢失了大多数 control plane 主机，并导致 etcd 仲裁丢失，那么您必须遵循灾难恢复流程 "Restoring to a previous cluster state" 而不是此过程。
运行以下命令，编辑失败的 control plane 机器的机器 CR：
```
$ oc edit machine <control_plane_machine_name>
```
从失败的 control plane 机器中删除 lifecycleHooks 参数的内容并保存您的更改。
etcd Operator 从集群中移除失败的机器，然后可以安全地添加新的 etcd 成员。

其他资源