2.4. 替换 VMware 基础架构上的存储节点

流程

1. 找出该节点，并获取您要替换的节点上的标签：

   $ oc get nodes --show-labels | grep <node_name>

   <node_name>

   指定替换的节点的名称。

2. 识别要替换的节点中运行的监控器 pod（若有）和 OSD：

   $ oc get pods -n openshift-storage -o wide | grep -i <node_name>

3. 缩减上一步中标识的 pod 的部署：

   例如：

   $ oc scale deployment rook-ceph-mon-c --replicas=0 -n openshift-storage

   $ oc scale deployment rook-ceph-osd-0 --replicas=0 -n openshift-storage

   $ oc scale deployment --selector=app=rook-ceph-crashcollector,node_name=<node_name>  --replicas=0 -n openshift-storage

4. 将节点标记为不可调度：

   $ oc adm cordon <node_name>

5. 排空节点：

   $ oc adm drain <node_name> --force --delete-emptydir-data=true --ignore-daemonsets

6. 删除节点：

   $ oc delete node <node_name>

7. 登录到 VMware vSphere 并终止您已识别的虚拟机(VM)。
8. 在带有所需基础架构的 VMware vSphere 上创建新虚拟机。请参阅基础架构要求。
9. 使用新虚拟机创建新的 OpenShift Container Platform worker 节点。

10. 检查与处于 Pending 状态的 OpenShift Container Platform 相关的证书签名请求(CSR)：

    $ oc get csr

11. 批准新节点所需的所有 OpenShift Container Platform CSR：

    $ oc adm certificate approve <certificate_name>

    <certificate_name>

    指定 CSR 的名称。

12. 在 OpenShift Web 控制台中，点 Compute Nodes。确认新节点处于 Ready 状态。

13. 使用以下任一方法之一将 OpenShift Data Foundation 标签应用到新节点：

    从用户界面

    1. 对于新节点，点击 Action Menu(⋮)→ Edit Labels。
    2. 添加 cluster.ocs.openshift.io/openshift-storage，然后点 Save。

    使用命令行界面

    • 将 OpenShift Data Foundation 标签应用到新节点：

    $ oc label node <new_node_name> cluster.ocs.openshift.io/openshift-storage=""

    <new_node_name>

    指定新节点的名称。

14. 识别安装 OpenShift 本地存储 Operator 的命名空间，并将其分配给 local_storage_project 变量：

    $ local_storage_project=$(oc get csv --all-namespaces | awk '{print $1}' | grep local)

    例如：

    $ local_storage_project=$(oc get csv --all-namespaces | awk '{print $1}' | grep local)

    echo $local_storage_project

    输出示例：

    openshift-local-storage

15. 将新的 worker 节点添加到 localVolumeDiscovery 和 localVolumeSet。

    1. 更新 localVolumeDiscovery 定义，使其包含新节点，并删除故障节点：

       # oc edit -n $local_storage_project localvolumediscovery auto-discover-devices

       输出示例：

       [...]
          nodeSelector:
           nodeSelectorTerms:
             - matchExpressions:
                 - key: kubernetes.io/hostname
                   operator: In
                   values:
                   - server1.example.com
                   - server2.example.com
                   #- server3.example.com
                   - newnode.example.com
       [...]

       记住在退出编辑器之前进行保存。

       在本例中，删除了 server3.example.com，newnode.example.com 是新节点。

    2. 确定要编辑的 localVolumeSet ：

       # oc get -n $local_storage_project localvolumeset

       输出示例：

       NAME          AGE
       localblock   25h

    3. 更新 localVolumeSet 定义，使其包含新节点，并删除故障节点：

       # oc edit -n $local_storage_project localvolumeset localblock

       输出示例：

       [...]
          nodeSelector:
           nodeSelectorTerms:
             - matchExpressions:
                 - key: kubernetes.io/hostname
                   operator: In
                   values:
                   - server1.example.com
                   - server2.example.com
                   #- server3.example.com
                   - newnode.example.com
       [...]

       记住在退出编辑器之前进行保存。

       在本例中，server3.example.com 已被删除，newnode.example.com 是新节点。

16. 验证新的 localblock 持久性卷 (PV)是否可用：

    $oc get pv | grep localblock | grep Available

    输出示例：

    local-pv-551d950     512Gi    RWO    Delete  Available
    localblock     26s

17. 进入 openshift-storage 项目：

    $ oc project openshift-storage

18. 从集群移除出现故障的 OSD。如果需要，您可以指定多个失败的 OSD：

    $ oc process -n openshift-storage ocs-osd-removal \
    -p FAILED_OSD_IDS=<failed_osd_id> -p FORCE_OSD_REMOVAL=true | oc create -f -

    <failed_osd_id>

    是 pod 名称中紧接在 rook-ceph-osd 前缀后面的整数。

    您可以通过在命令中添加逗号分隔的 OSD ID，以移除多个 OSD，例如 FAILED_OSD_IDS=0,1,2。

    FORCE_OSD_REMOVAL 值必须在有三个 OSD 的集群中更改为 true，或者有足够空间的集群在移除 OSD 后恢复所有这三个数据副本。

19. 通过检查 ocs-osd-removal-job pod 的状态，验证 OSD 是否已成功移除。

    状态为 Completed，确认 OSD 移除作业已成功。

    # oc get pod -l job-name=ocs-osd-removal-job -n openshift-storage

20. 确保 OSD 移除已完成。

    $ oc logs -l job-name=ocs-osd-removal-job -n openshift-storage --tail=-1 | egrep -i 'completed removal'

    输出示例：

    2022-05-10 06:50:04.501511 I | cephosd: completed removal of OSD 0

    重要

    如果 ocs-osd-removal-job 失败，且 pod 处于预期的 Completed 状态，请检查 pod 日志以进一步调试：

    例如：

    # oc logs -l job-name=ocs-osd-removal-job -n openshift-storage --tail=-1

21. 识别与持久性卷声明 (PVC) 关联的持久性卷 (PV)：

    # oc get pv -L kubernetes.io/hostname | grep localblock | grep Released

    输出示例：

    local-pv-d6bf175b  1490Gi  RWO  Delete  Released  openshift-storage/ocs-deviceset-0-data-0-6c5pw  localblock  2d22h  compute-1

    如果有一个 PV 处于 Released 状态，请删除它：

    # oc delete pv <persistent_volume>

    例如：

    # oc delete pv local-pv-d6bf175b

    输出示例：

    persistentvolume "local-pv-d9c5cbd6" deleted

22. 确定 crashcollector pod 部署：

    $ oc get deployment --selector=app=rook-ceph-crashcollector,node_name=<failed_node_name> -n openshift-storage

    如果有现有的 crashcollector pod 部署，请删除它：

    $ oc delete deployment --selector=app=rook-ceph-crashcollector,node_name=<failed_node_name> -n openshift-storage

23. 删除 ocs-osd-removal-job ：

    # oc delete -n openshift-storage job ocs-osd-removal-job

    输出示例：

    job.batch "ocs-osd-removal-job" deleted

验证步骤

1. 验证输出中是否存在新节点：

   $ oc get nodes --show-labels | grep cluster.ocs.openshift.io/openshift-storage= |cut -d' ' -f1

2. 点 Workloads Pods。确认新节点上至少以下 pod 处于 Running 状态：

   • csi-cephfsplugin-*
   • csi-rbdplugin-*

3. 验证所有其他必需的 OpenShift 数据基础容器集是否都处于 Running 状态。

   确保创建了新的 incremental mon，且处于 Running 状态：

   $ oc get pod -n openshift-storage | grep mon

   输出示例：

   rook-ceph-mon-a-cd575c89b-b6k66         2/2     Running
   0          38m
   rook-ceph-mon-b-6776bc469b-tzzt8        2/2     Running
   0          38m
   rook-ceph-mon-d-5ff5d488b5-7v8xh        2/2     Running
   0          4m8s

   OSD 和监控 pod 可能需要几分钟才能进入 Running 状态。

4. 验证新 OSD pod 是否在替换节点上运行：

   $ oc get pods -o wide -n openshift-storage| egrep -i <new_node_name> | egrep osd

5. 可选：如果在集群中启用了集群范围的加密，请验证新 OSD 设备是否已加密。

   对于上一步中标识的每个新节点，请执行以下操作：

   1. 创建 debug pod 并为一个或多个所选主机打开 chroot 环境：

      $ oc debug node/<node_name>

      $ chroot /host

   2. 显示可用块设备列表：

      $ lsblk

      检查一个或多个 ocs-deviceset 名称旁的 crypt 关键字。

6. 如果验证步骤失败，请联系红帽支持团队。

流程

1. 登录 OpenShift Web 控制台，再点 Compute Nodes。
2. 确定需要替换的节点。记录其 Machine Name。

3. 获取节点上的标签：

   $ oc get nodes --show-labels | grep <node_name>

   <node_name>

   指定替换的节点的名称。

4. 识别在节点上运行的 mon（若有）和对象存储设备 (OSD) pod：

   $ oc get pods -n openshift-storage -o wide | grep -i <node_name>

5. 缩减您在上一步中确定的 pod 的部署：

   例如：

   $ oc scale deployment rook-ceph-mon-c --replicas=0 -n openshift-storage

   $ oc scale deployment rook-ceph-osd-0 --replicas=0 -n openshift-storage

   $ oc scale deployment --selector=app=rook-ceph-crashcollector,node_name=<node_name>  --replicas=0 -n openshift-storage

6. 将节点标记为不可调度：

   $ oc adm cordon <node_name>

7. 排空节点：

   $ oc adm drain <node_name> --force --delete-emptydir-data=true --ignore-daemonsets

8. 点 Compute Machines。搜索所需的机器。
9. 除了所需机器外，点击 Action 菜单(⋮)→ Delete Machine。
10. 单击 Delete 以确认删除机器。会自动创建新机器。

11. 等待新计算机启动并过渡到 Running 状态。

    重要

    此活动可能至少需要 5 到 10 分钟或更多。

12. 在 OpenShift Web 控制台中，点 Compute Nodes。确认新节点处于 Ready 状态。
13. 向节点物理地添加新设备。

14. 使用以下任一方法之一将 OpenShift Data Foundation 标签应用到新节点：

    从用户界面

    1. 对于新节点，点击 Action Menu(⋮)→ Edit Labels。
    2. 添加 cluster.ocs.openshift.io/openshift-storage，然后点 Save。

    使用命令行界面

    • 将 OpenShift Data Foundation 标签应用到新节点：

    $ oc label node <new_node_name> cluster.ocs.openshift.io/openshift-storage=""

    <new_node_name>

    指定新节点的名称。

15. 识别安装 OpenShift 本地存储 Operator 的命名空间，并将其分配给 local_storage_project 变量：

    $ local_storage_project=$(oc get csv --all-namespaces | awk '{print $1}' | grep local)

    例如：

    $ local_storage_project=$(oc get csv --all-namespaces | awk '{print $1}' | grep local)

    echo $local_storage_project

    输出示例：

    openshift-local-storage

16. 将新的 worker 节点添加到 localVolumeDiscovery 和 localVolumeSet。

    1. 更新 localVolumeDiscovery 定义，使其包含新节点并删除失败的节点。

       # oc edit -n $local_storage_project localvolumediscovery auto-discover-devices

       输出示例：

       [...]
          nodeSelector:
           nodeSelectorTerms:
             - matchExpressions:
                 - key: kubernetes.io/hostname
                   operator: In
                   values:
                   - server1.example.com
                   - server2.example.com
                   #- server3.example.com
                   - newnode.example.com
       [...]

       记住在退出编辑器之前进行保存。

       在本例中，删除了 server3.example.com，newnode.example.com 是新节点。

    2. 确定您需要编辑的 localVolumeSet ：

       # oc get -n $local_storage_project localvolumeset

       输出示例：

       NAME          AGE
       localblock   25h

    3. 更新 localVolumeSet 定义，使其包含新节点并删除失败的节点：

       # oc edit -n $local_storage_project localvolumeset localblock

       输出示例：

       [...]
          nodeSelector:
           nodeSelectorTerms:
             - matchExpressions:
                 - key: kubernetes.io/hostname
                   operator: In
                   values:
                   - server1.example.com
                   - server2.example.com
                   #- server3.example.com
                   - newnode.example.com
       [...]

       记住在退出编辑器之前进行保存。

       在本例中，删除了 server3.example.com，newnode.example.com 是新节点。

17. 验证新的 localblock 持久性卷 (PV)是否可用：

    $ oc get pv | grep localblock | grep Available

    输出示例：

    local-pv-551d950     512Gi    RWO    Delete  Available
    localblock     26s

18. 进入 openshift-storage 项目：

    $ oc project openshift-storage

19. 从集群移除出现故障的 OSD。如果需要，您可以指定多个失败的 OSD：

    $ oc process -n openshift-storage ocs-osd-removal \
    -p FAILED_OSD_IDS=<failed_osd_id> -p FORCE_OSD_REMOVAL=true | oc create -f -

    <failed_osd_id>

    是 pod 名称中紧接在 rook-ceph-osd 前缀后面的整数。

    您可以通过在命令中添加逗号分隔的 OSD ID，以移除多个 OSD，例如 FAILED_OSD_IDS=0,1,2。

    FORCE_OSD_REMOVAL 值必须在有三个 OSD 的集群中更改为 true，或者有足够空间的集群在移除 OSD 后恢复所有这三个数据副本。

20. 通过检查 ocs-osd-removal-job pod 的状态，验证 OSD 是否已成功移除。

    状态为 Completed，确认 OSD 移除作业已成功。

    # oc get pod -l job-name=ocs-osd-removal-job -n openshift-storage

21. 确保 OSD 移除已完成。

    $ oc logs -l job-name=ocs-osd-removal-job -n openshift-storage --tail=-1 | egrep -i 'completed removal'

    输出示例：

    2022-05-10 06:50:04.501511 I | cephosd: completed removal of OSD 0

    重要

    如果 ocs-osd-removal-job 失败并且 pod 不在预期的 Completed 状态，请检查 pod 日志来进一步调试。

    例如：

    # oc logs -l job-name=ocs-osd-removal-job -n openshift-storage --tail=-1

22. 识别与持久性卷声明(PVC)关联的 PV：

    # oc get pv -L kubernetes.io/hostname | grep localblock | grep Released

    输出示例：

    local-pv-d6bf175b  1490Gi  RWO  Delete  Released  openshift-storage/ocs-deviceset-0-data-0-6c5pw  localblock  2d22h  compute-1

    如果有一个 PV 处于 Released 状态，请删除它：

    # oc delete pv <persistent_volume>

    例如：

    # oc delete pv local-pv-d6bf175b

    输出示例：

    persistentvolume "local-pv-d9c5cbd6" deleted

23. 确定 crashcollector pod 部署：

    $ oc get deployment --selector=app=rook-ceph-crashcollector,node_name=<failed_node_name> -n openshift-storage

    如果有现有的 crashcollector pod 部署，请删除它：

    $ oc delete deployment --selector=app=rook-ceph-crashcollector,node_name=<failed_node_name> -n openshift-storage

24. 删除 ocs-osd-removal-job ：

    # oc delete -n openshift-storage job ocs-osd-removal-job

    输出示例：

    job.batch "ocs-osd-removal-job" deleted

验证步骤

1. 验证输出中是否存在新节点：

   $ oc get nodes --show-labels | grep cluster.ocs.openshift.io/openshift-storage= |cut -d' ' -f1

2. 点 Workloads Pods。确认新节点上至少以下 pod 处于 Running 状态：

   • csi-cephfsplugin-*
   • csi-rbdplugin-*

3. 验证所有其他必需的 OpenShift 数据基础容器集是否都处于 Running 状态。

   确保创建了新的增量 mon，并处于 Running 状态。

   $ oc get pod -n openshift-storage | grep mon

   输出示例：

   rook-ceph-mon-a-cd575c89b-b6k66         2/2     Running
   0          38m
   rook-ceph-mon-b-6776bc469b-tzzt8        2/2     Running
   0          38m
   rook-ceph-mon-d-5ff5d488b5-7v8xh        2/2     Running
   0          4m8s

   OSD 和监控 pod 可能需要几分钟才能进入 Running 状态。

4. 验证新 OSD pod 是否在替换节点上运行：

   $ oc get pods -o wide -n openshift-storage| egrep -i <new_node_name> | egrep osd

5. 可选：如果在集群中启用了集群范围的加密，请验证新 OSD 设备是否已加密。

   对于上一步中标识的每个新节点，请执行以下操作：

   1. 创建 debug pod 并为一个或多个所选主机打开 chroot 环境：

      $ oc debug node/<node_name>

      $ chroot /host

   2. 显示可用块设备列表：

      $ lsblk

      检查一个或多个 ocs-deviceset 名称旁的 crypt 关键字。

6. 如果验证步骤失败，请联系红帽支持团队。

流程

1. 找出该节点，并获取您要替换的节点上的标签：

   $ oc get nodes --show-labels | grep <node_name>

   <node_name>

   指定替换的节点的名称。

2. 识别要替换的节点中运行的监控器 pod（若有）和 OSD：

   $ oc get pods -n openshift-storage -o wide | grep -i <node_name>

3. 缩减上一步中标识的 pod 的部署：

   例如：

   $ oc scale deployment rook-ceph-mon-c --replicas=0 -n openshift-storage

   $ oc scale deployment rook-ceph-osd-0 --replicas=0 -n openshift-storage

   $ oc scale deployment --selector=app=rook-ceph-crashcollector,node_name=<node_name>  --replicas=0 -n openshift-storage

4. 将节点标记为不可调度：

   $ oc adm cordon <node_name>

5. 删除处于 Terminating 状态的 pod：

   $ oc get pods -A -o wide | grep -i <node_name> |  awk '{if ($4 == "Terminating") system ("oc -n " $1 " delete pods " $2  " --grace-period=0 " " --force ")}'

6. 排空节点：

   $ oc adm drain <node_name> --force --delete-emptydir-data=true --ignore-daemonsets

7. 删除节点：

   $ oc delete node <node_name>

8. 登录到 VMware vSphere 并终止您已识别的虚拟机(VM)。
9. 在带有所需基础架构的 VMware vSphere 上创建新虚拟机。请参阅基础架构要求。
10. 使用新虚拟机创建新的 OpenShift Container Platform worker 节点。

11. 检查与处于 Pending 状态的 OpenShift Container Platform 相关的证书签名请求(CSR)：

    $ oc get csr

12. 批准新节点所需的所有 OpenShift Container Platform CSR：

    $ oc adm certificate approve <certificate_name>

    <certificate_name>

    指定 CSR 的名称。

13. 在 OpenShift Web 控制台中，点 Compute Nodes。确认新节点处于 Ready 状态。

14. 使用以下任一方法之一将 OpenShift Data Foundation 标签应用到新节点：

    从用户界面

    1. 对于新节点，点击 Action Menu(⋮)→ Edit Labels。
    2. 添加 cluster.ocs.openshift.io/openshift-storage，然后点 Save。

    使用命令行界面

    • 将 OpenShift Data Foundation 标签应用到新节点：

    $ oc label node <new_node_name> cluster.ocs.openshift.io/openshift-storage=""

    <new_node_name>

    指定新节点的名称。

15. 识别安装 OpenShift 本地存储 Operator 的命名空间，并将其分配给 local_storage_project 变量：

    $ local_storage_project=$(oc get csv --all-namespaces | awk '{print $1}' | grep local)

    例如：

    $ local_storage_project=$(oc get csv --all-namespaces | awk '{print $1}' | grep local)

    echo $local_storage_project

    输出示例：

    openshift-local-storage

16. 将新的 worker 节点添加到 localVolumeDiscovery 和 localVolumeSet。

    1. 更新 localVolumeDiscovery 定义，使其包含新节点，并删除故障节点：

       # oc edit -n $local_storage_project localvolumediscovery auto-discover-devices

       输出示例：

       [...]
          nodeSelector:
           nodeSelectorTerms:
             - matchExpressions:
                 - key: kubernetes.io/hostname
                   operator: In
                   values:
                   - server1.example.com
                   - server2.example.com
                   #- server3.example.com
                   - newnode.example.com
       [...]

       记住在退出编辑器之前进行保存。

       在本例中，删除了 server3.example.com，newnode.example.com 是新节点。

    2. 确定要编辑的 localVolumeSet ：

       # oc get -n $local_storage_project localvolumeset

       输出示例：

       NAME          AGE
       localblock   25h

    3. 更新 localVolumeSet 定义，使其包含新节点，并删除故障节点：

       # oc edit -n $local_storage_project localvolumeset localblock

       输出示例：

       [...]
          nodeSelector:
           nodeSelectorTerms:
             - matchExpressions:
                 - key: kubernetes.io/hostname
                   operator: In
                   values:
                   - server1.example.com
                   - server2.example.com
                   #- server3.example.com
                   - newnode.example.com
       [...]

       记住在退出编辑器之前进行保存。

       在本例中，server3.example.com 已被删除，newnode.example.com 是新节点。

17. 验证新的 localblock 持久性卷 (PV)是否可用：

    $oc get pv | grep localblock | grep Available

    输出示例：

    local-pv-551d950     512Gi    RWO    Delete  Available
    localblock     26s

18. 进入 openshift-storage 项目：

    $ oc project openshift-storage

19. 从集群移除出现故障的 OSD。如果需要，您可以指定多个失败的 OSD：

    $ oc process -n openshift-storage ocs-osd-removal \
    -p FAILED_OSD_IDS=<failed_osd_id> -p FORCE_OSD_REMOVAL=true | oc create -f -

    <failed_osd_id>

    是 pod 名称中紧接在 rook-ceph-osd 前缀后面的整数。

    您可以通过在命令中添加逗号分隔的 OSD ID，以移除多个 OSD，例如 FAILED_OSD_IDS=0,1,2。

    FORCE_OSD_REMOVAL 值必须在有三个 OSD 的集群中更改为 true，或者有足够空间的集群在移除 OSD 后恢复所有这三个数据副本。

20. 通过检查 ocs-osd-removal-job pod 的状态，验证 OSD 是否已成功移除。

    状态为 Completed，确认 OSD 移除作业已成功。

    # oc get pod -l job-name=ocs-osd-removal-job -n openshift-storage

21. 确保 OSD 移除已完成。

    $ oc logs -l job-name=ocs-osd-removal-job -n openshift-storage --tail=-1 | egrep -i 'completed removal'

    输出示例：

    2022-05-10 06:50:04.501511 I | cephosd: completed removal of OSD 0

    重要

    如果 ocs-osd-removal-job 失败，且 pod 处于预期的 Completed 状态，请检查 pod 日志以进一步调试：

    例如：

    # oc logs -l job-name=ocs-osd-removal-job -n openshift-storage --tail=-1

22. 识别与持久性卷声明 (PVC) 关联的持久性卷 (PV)：

    # oc get pv -L kubernetes.io/hostname | grep localblock | grep Released

    输出示例：

    local-pv-d6bf175b  1490Gi  RWO  Delete  Released  openshift-storage/ocs-deviceset-0-data-0-6c5pw  localblock  2d22h  compute-1

    如果有一个 PV 处于 Released 状态，请删除它：

    # oc delete pv <persistent_volume>

    例如：

    # oc delete pv local-pv-d6bf175b

    输出示例：

    persistentvolume "local-pv-d9c5cbd6" deleted

23. 确定 crashcollector pod 部署：

    $ oc get deployment --selector=app=rook-ceph-crashcollector,node_name=<failed_node_name> -n openshift-storage

    如果有现有的 crashcollector pod 部署，请删除它：

    $ oc delete deployment --selector=app=rook-ceph-crashcollector,node_name=<failed_node_name> -n openshift-storage

24. 删除 ocs-osd-removal-job ：

    # oc delete -n openshift-storage job ocs-osd-removal-job

    输出示例：

    job.batch "ocs-osd-removal-job" deleted

验证步骤

1. 验证输出中是否存在新节点：

   $ oc get nodes --show-labels | grep cluster.ocs.openshift.io/openshift-storage= |cut -d' ' -f1

2. 点 Workloads Pods。确认新节点上至少以下 pod 处于 Running 状态：

   • csi-cephfsplugin-*
   • csi-rbdplugin-*

3. 验证所有其他必需的 OpenShift 数据基础容器集是否都处于 Running 状态。

   确保创建了新的 incremental mon，且处于 Running 状态：

   $ oc get pod -n openshift-storage | grep mon

   输出示例：

   rook-ceph-mon-a-cd575c89b-b6k66         2/2     Running
   0          38m
   rook-ceph-mon-b-6776bc469b-tzzt8        2/2     Running
   0          38m
   rook-ceph-mon-d-5ff5d488b5-7v8xh        2/2     Running
   0          4m8s

   OSD 和监控 pod 可能需要几分钟才能进入 Running 状态。

4. 验证新 OSD pod 是否在替换节点上运行：

   $ oc get pods -o wide -n openshift-storage| egrep -i <new_node_name> | egrep osd

5. 可选：如果在集群中启用了集群范围的加密，请验证新 OSD 设备是否已加密。

   对于上一步中标识的每个新节点，请执行以下操作：

   1. 创建 debug pod 并为一个或多个所选主机打开 chroot 环境：

      $ oc debug node/<node_name>

      $ chroot /host

   2. 显示可用块设备列表：

      $ lsblk

      检查一个或多个 ocs-deviceset 名称旁的 crypt 关键字。

6. 如果验证步骤失败，请联系红帽支持团队。

流程

1. 登录 OpenShift Web 控制台，再点 Compute Nodes。
2. 确定需要替换的节点。记录其 Machine Name。

3. 获取节点上的标签：

   $ oc get nodes --show-labels | grep _<node_name>_

   <node_name>

   指定替换的节点的名称。

4. 识别在节点上运行的 mon（若有）和对象存储设备 (OSD) pod：

   $ oc get pods -n openshift-storage -o wide | grep -i _<node_name>_

5. 缩减上一步中标识的 pod 的部署：

   例如：

   $ oc scale deployment rook-ceph-mon-c --replicas=0 -n openshift-storage

   $ oc scale deployment rook-ceph-osd-0 --replicas=0 -n openshift-storage

   $ oc scale deployment --selector=app=rook-ceph-crashcollector,node_name=<node_name>  --replicas=0 -n openshift-storage

6. 将节点标记为不可调度：

   $ oc adm cordon _<node_name>_

7. 删除处于 Terminating 状态的 pod：

   $ oc get pods -A -o wide | grep -i _<node_name>_ |  awk '{if ($4 == "Terminating") system ("oc -n " $1 " delete pods " $2  " --grace-period=0 " " --force ")}'

8. 排空节点：

   $ oc adm drain _<node_name>_ --force --delete-emptydir-data=true --ignore-daemonsets

9. 点 Compute Machines。搜索所需的机器。
10. 除了所需机器外，点击 Action 菜单(⋮)→ Delete Machine。
11. 点 Delete 以确认机器已被删除。会自动创建新机器。

12. 等待新计算机启动并过渡到 Running 状态。

    重要

    此活动可能至少需要 5 到 10 分钟或更多。

13. 在 OpenShift Web 控制台中，点 Compute Nodes。确认新节点处于 Ready 状态。
14. 向节点物理地添加新设备。

15. 使用以下任一方法之一将 OpenShift Data Foundation 标签应用到新节点：

    从用户界面

    1. 对于新节点，点击 Action Menu(⋮)→ Edit Labels。
    2. 添加 cluster.ocs.openshift.io/openshift-storage，然后点 Save。

    使用命令行界面

    • 将 OpenShift Data Foundation 标签应用到新节点：

    $ oc label node _<new_node_name>_ cluster.ocs.openshift.io/openshift-storage=""

    <new_node_name>

    指定新节点的名称。

16. 识别安装 OpenShift 本地存储 Operator 的命名空间，并将其分配给 local_storage_project 变量：

    $ local_storage_project=$(oc get csv --all-namespaces | awk '{print $1}' | grep local)

    例如：

    $ local_storage_project=$(oc get csv --all-namespaces | awk '{print $1}' | grep local)

    echo $local_storage_project

    输出示例：

    openshift-local-storage

17. 将新的 worker 节点添加到 localVolumeDiscovery 和 localVolumeSet。

    1. 更新 localVolumeDiscovery 定义，使其包含新节点，并删除故障节点：

       # oc edit -n $local_storage_project localvolumediscovery auto-discover-devices

       输出示例：

       [...]
          nodeSelector:
           nodeSelectorTerms:
             - matchExpressions:
                 - key: kubernetes.io/hostname
                   operator: In
                   values:
                   - server1.example.com
                   - server2.example.com
                   #- server3.example.com
                   - **newnode.example.com**
       [...]

       记住在退出编辑器之前进行保存。

       在本例中，server3.example.com 已被删除，newnode.example.com 是新节点。

    2. 确定您需要编辑的 localVolumeSet。

       # oc get -n $local_storage_project localvolumeset

       输出示例：

       NAME          AGE
       localblock   25h

    3. 更新 localVolumeSet 定义，使其包含新节点并删除失败的节点：

       # oc edit -n $local_storage_project localvolumeset localblock

       输出示例：

       [...]
          nodeSelector:
           nodeSelectorTerms:
             - matchExpressions:
                 - key: kubernetes.io/hostname
                   operator: In
                   values:
                   - server1.example.com
                   - server2.example.com
                   #- server3.example.com
                   - **newnode.example.com**
       [...]

       记住在退出编辑器之前进行保存。

       在本例中，server3.example.com 已被删除，newnode.example.com 是新节点。

18. 验证新的 localblock PV 是否可用：

    $ oc get pv | grep localblock | grep Available

    输出示例：

    local-pv-551d950     512Gi    RWO    Delete  Available
    localblock     26s

19. 进入 openshift-storage 项目：

    $ oc project openshift-storage

20. 从集群移除出现故障的 OSD。如果需要，您可以指定多个失败的 OSD：

    $ oc process -n openshift-storage ocs-osd-removal \
    -p FAILED_OSD_IDS=<failed_osd_id> -p FORCE_OSD_REMOVAL=true | oc create -f -

    <failed_osd_id>

    是 pod 名称中紧接在 rook-ceph-osd 前缀后面的整数。

    您可以通过在命令中添加逗号分隔的 OSD ID，以移除多个 OSD，例如 FAILED_OSD_IDS=0,1,2。

    FORCE_OSD_REMOVAL 值必须在有三个 OSD 的集群中更改为 true，或者有足够空间的集群在移除 OSD 后恢复所有这三个数据副本。

21. 通过检查 ocs-osd-removal-job pod 的状态，验证 OSD 是否已成功移除。

    状态为 Completed，确认 OSD 移除作业已成功。

    # oc get pod -l job-name=ocs-osd-removal-job -n openshift-storage

22. 确保 OSD 移除已完成。

    $ oc logs -l job-name=ocs-osd-removal-job -n openshift-storage --tail=-1 | egrep -i 'completed removal'

    输出示例：

    2022-05-10 06:50:04.501511 I | cephosd: completed removal of OSD 0

    重要

    如果 ocs-osd-removal-job 失败并且 pod 不在预期的 Completed 状态，请检查 pod 日志来进一步调试：

    例如：

    # oc logs -l job-name=ocs-osd-removal-job -n openshift-storage --tail=-1

23. 识别与持久性卷声明(PVC)关联的 PV：

    # oc get pv -L kubernetes.io/hostname | grep localblock | grep Released

    输出示例：

    local-pv-d6bf175b  1490Gi  RWO  Delete  Released  openshift-storage/ocs-deviceset-0-data-0-6c5pw  localblock  2d22h  compute-1

    如果有一个 PV 处于 Released 状态，请删除它：

    # oc delete pv _<persistent_volume>_

    例如：

    # oc delete pv local-pv-d6bf175b

    输出示例：

    persistentvolume "local-pv-d9c5cbd6" deleted

24. 确定 crashcollector pod 部署：

    $ oc get deployment --selector=app=rook-ceph-crashcollector,node_name=_<failed_node_name>_ -n openshift-storage

    如果有现有的 crashcollector pod 部署，请删除它：

    $ oc delete deployment --selector=app=rook-ceph-crashcollector,node_name=_<failed_node_name>_ -n openshift-storage

25. 删除 ocs-osd-removal-job ：

    # oc delete -n openshift-storage job ocs-osd-removal-job

    输出示例：

    job.batch "ocs-osd-removal-job" deleted

验证步骤

1. 验证输出中是否存在新节点：

   $ oc get nodes --show-labels | grep cluster.ocs.openshift.io/openshift-storage= |cut -d' ' -f1

2. 点 Workloads Pods。确认新节点上至少以下 pod 处于 Running 状态：

   • csi-cephfsplugin-*
   • csi-rbdplugin-*

3. 验证所有其他必需的 OpenShift 数据基础容器集是否都处于 Running 状态。

   确保创建了新的 incremental mon，且处于 Running 状态：

   $ oc get pod -n openshift-storage | grep mon

   输出示例：

   rook-ceph-mon-a-cd575c89b-b6k66         2/2     Running
   0          38m
   rook-ceph-mon-b-6776bc469b-tzzt8        2/2     Running
   0          38m
   rook-ceph-mon-d-5ff5d488b5-7v8xh        2/2     Running
   0          4m8s

   OSD 和监控 pod 可能需要几分钟才能进入 Running 状态。

4. 验证新 OSD pod 是否在替换节点上运行：

   $ oc get pods -o wide -n openshift-storage| egrep -i <new_node_name> | egrep osd

5. 可选：如果在集群中启用了集群范围的加密，请验证新 OSD 设备是否已加密。

   对于上一步中标识的每个新节点，请执行以下操作：

   1. 创建 debug pod 并为一个或多个所选主机打开 chroot 环境：

      $ oc debug node/<node_name>

      $ chroot /host

   2. 显示可用块设备列表：

      $ lsblk

      检查一个或多个 ocs-deviceset 名称旁的 crypt 关键字。

6. 如果验证步骤失败，请联系红帽支持团队。