Longhorn 云原生容器分布式存儲 - 故障排除指南

作者：為少 2021-10-18 23:49:50

云計算存儲軟件云原生分布式

當 Longhorn 卷的文件系統損壞時，Longhorn 無法重新掛載該卷。因此，workload 無法重新啟動。

[[429654]]

當 Longhorn 卷文件系統損壞時，Pod 卡在 creating 狀態
非標準 Kubelet 目錄
Longhorn 默認設置不保留
分離和附加卷后，Recurring job 不會創建新 job
使用 Traefik 2.x 作為 ingress controller
使用 cURL 創建 Support Bundle
Longhorn RWX 共享掛載所有權在 consumer Pod 中顯示為 nobody
由于節點上的多路徑，MountVolume.SetUp for volume 失敗
Longhorn-UI:WebSocket 握手期間出錯:意外響應代碼:200 #2265
Longhorn 卷需要很長時間才能完成安裝
volume readonly or I/O error
volume pvc-xxx not scheduled

1. 當 Longhorn 卷文件系統損壞時，Pod 卡在 creating 狀態

適用版本

所有 Longhorn 版本。

癥狀

Pod 停留在容器 Creating 中，日志中有錯誤。

Warning  FailedMount             30s (x7 over 63s)  kubelet                  MountVolume.SetUp failed for volume "pvc-bb8582d5-eaa4-479a-b4bf-328d1ef1785d" : rpc error: code = Internal desc = 'fsck' found errors on device /dev/longhorn/pvc-bb8582d5-eaa4-479a-b4bf-328d1ef1785d but could not correct them: fsck from util-linux 2.31.1 
ext2fs_check_if_mount: Can't check if filesystem is mounted due to missing mtab file while determining whether /dev/longhorn/pvc-bb8582d5-eaa4-479a-b4bf-328d1ef1785d is mounted. 
/dev/longhorn/pvc-bb8582d5-eaa4-479a-b4bf-328d1ef1785d contains a file system with errors, check forced. 
/dev/longhorn/pvc-bb8582d5-eaa4-479a-b4bf-328d1ef1785d: Inodes that were part of a corrupted orphan linked list found.   
 
/dev/longhorn/pvc-bb8582d5-eaa4-479a-b4bf-328d1ef1785d: UNEXPECTED INCONSISTENCY; RUN fsck MANUALLY. 
  (i.e., without -a or -p options)

原因

當 Longhorn 卷的文件系統損壞時，Longhorn 無法重新掛載該卷。因此，workload 無法重新啟動。

Longhorn 無法自動修復此問題。發生這種情況時，您需要手動解決此問題。

解決方案

尋找跡象：

如果卷未處于 error 狀態，則 Longhorn 卷內的文件系統可能因外部原因而損壞。
- 從 Longhorn UI 檢查卷是否處于 error 狀態。
- 檢查 Longhorn 管理器 pod 日志以了解系統損壞錯誤消息。
縮減 workload。
從 UI 將卷附加到任何一個 node。
SSH 進入 node。
在 /dev/longhorn/ 下找到 Longhorn 卷對應的塊設備。
運行 fsck 來修復文件系統。
從 UI 分離卷。
擴大 workload。

2. 非標準 Kubelet 目錄

適用版本

所有 Longhorn 版本。

癥狀

當 Kubernetes 集群使用非標準的 Kubelet 目錄時，longhorn-csi-plugin 無法啟動。

ip-172-30-0-73:/home/ec2-user # kubectl -n longhorn-system get pod 
NAME                                        READY   STATUS              RESTARTS   AGE 
longhorn-ui-5b864949c4-4sgws                1/1     Running             0          7m35s 
longhorn-manager-tx469                      1/1     Running             0          7m35s 
longhorn-driver-deployer-5444f75b8f-kgq5v   1/1     Running             0          7m35s 
longhorn-csi-plugin-s4fg7                   0/2     ContainerCreating   0          6m59s 
instance-manager-r-d185a1e9                 1/1     Running             0          7m10s 
instance-manager-e-b5e69e2d                 1/1     Running             0          7m10s 
csi-attacher-7d975797bc-qpfrv               1/1     Running             0          7m 
csi-snapshotter-7dbfc7ddc6-nqqtg            1/1     Running             0          6m59s 
csi-attacher-7d975797bc-td6tw               1/1     Running             0          7m 
csi-resizer-868d779475-v6jvv                1/1     Running             0          7m 
csi-resizer-868d779475-2bbs2                1/1     Running             0          7m 
csi-provisioner-5c6845945f-46qnb            1/1     Running             0          7m 
csi-resizer-868d779475-n5vjn                1/1     Running             0          7m 
csi-provisioner-5c6845945f-fjnrq            1/1     Running             0          7m 
csi-snapshotter-7dbfc7ddc6-mhfpl            1/1     Running             0          6m59s 
csi-provisioner-5c6845945f-4lx5c            1/1     Running             0          7m 
csi-attacher-7d975797bc-flldq               1/1     Running             0          7m 
csi-snapshotter-7dbfc7ddc6-cms2v            1/1     Running             0          6m59s 
engine-image-ei-611d1496-dlqcs              1/1     Running             0          7m10s

原因

由于 Longhorn 無法檢測到 Kubelet 的根目錄設置在哪里。

解決方案

Longhorn 通過 longhorn.yaml 安裝：

取消注釋并編輯：

#- name: KUBELET_ROOT_DIR 
#  value: /var/lib/rancher/k3s/agent/kubelet

Longhorn 通過 Rancher - App 安裝：

點擊 Customize Default Settings 設置 Kubelet 根目錄
相關信息
Longhorn issue：

https://github.com/longhorn/longhorn/issues/2537

更多信息可以在 OS/Distro 特定配置下的故障排除部分找到。

3. Longhorn 默認設置不保留

適用版本

所有 Longhorn 版本。

癥狀

通過 helm 或 Rancher App 升級 Longhorn 系統時，修改后的 Longhorn 默認設置不會保留。
通過 kubectl -n longhorn-system edit configmap longhorn-default-setting 修改默認設置時，修改不會應用于 Longhorn 系統。

背景

此默認設置僅適用于尚未部署的 Longhorn 系統。它對現有的 Longhorn 系統沒有影響。

解決方案

我們建議使用 Longhorn UI 更改現有集群上的 Longhorn 設置。

您也可以使用 kubectl，但請注意這將繞過 Longhorn 后端驗證。

kubectl edit settings -n longhorn-system

4. 分離和附加卷后，Recurring job 不會創建新 job

適用版本

所有 Longhorn 版本。

癥狀

當卷被分離很長時間后被附加時，循環作業不會創建新 job。

根據 Kubernetes CronJob 限制：

https://kubernetes.io/docs/concepts/workloads/controllers/cron-jobs/#cron-job-limitations

對于每個 CronJob，CronJob 控制器會檢查它在從上次調度時間到現在的持續時間內錯過了多少個 schedule。如果有超過 100 個錯過的 schedule，則它不會啟動 job 并記錄 error 
 
Cannot determine if job needs to be started. Too many missed start time (> 100). Set or decrease .spec.startingDeadlineSeconds or check clock skew.

例如，如果 recurring backup job 設置為每分鐘運行一次，則容限為 100 分鐘。

解決方案

直接刪除卡住的 cronjob，讓 Longhorn 重新創建。

ip-172-30-0-211:/home/ec2-user # kubectl -n longhorn-system get cronjobs 
NAME                                                  SCHEDULE    SUSPEND   ACTIVE   LAST SCHEDULE   AGE 
pvc-394e6006-9c34-47da-bf27-2286ae669be1-c-ptl8l1-c   * * * * *   False     1        47s             2m23s 
 
ip-172-30-0-211:/home/ec2-user # kubectl -n longhorn-system delete cronjobs/pvc-394e6006-9c34-47da-bf27-2286ae669be1-c-ptl8l1-c 
cronjob.batch "pvc-394e6006-9c34-47da-bf27-2286ae669be1-c-ptl8l1-c" deleted 
 
ip-172-30-0-211:/home/ec2-user # kubectl -n longhorn-system get cronjobs 
No resources found in longhorn-system namespace. 
 
ip-172-30-0-211:/home/ec2-user # sleep 60 
 
ip-172-30-0-211:/home/ec2-user # kubectl -n longhorn-system get cronjobs 
NAME                                                  SCHEDULE    SUSPEND   ACTIVE   LAST SCHEDULE   AGE 
pvc-394e6006-9c34-47da-bf27-2286ae669be1-c-ptl8l1-c   * * * * *   False     1        2s             3m21s

5. 使用 Traefik 2.x 作為 ingress controller

適用版本

所有 Longhorn 版本。

癥狀

Longhorn GUI 前端 API 請求有時無法到達 longhorn-manager 后端。

原因

API 請求會改變 HTTPS/WSS 之間的協議，而這種改變會導致 CORS 問題。

解決方案

Traefik 2.x ingress controller 沒有設置 WebSocket header。

1.將以下中間件添加到 Longhorn 前端 service 的路由中。

apiVersion: traefik.containo.us/v1alpha1 
kind: Middleware 
metadata: 
  name: svc-longhorn-headers 
  namespace: longhorn-system 
spec: 
  headers: 
    customRequestHeaders: 
      X-Forwarded-Proto: "https"

2.更新 ingress 以使用中間件規則。

apiVersion: networking.k8s.io/v1beta1 
kind: Ingress 
metadata: 
  name: longhorn-ingress 
  namespace: longhorn-system 
  annotations: 
    traefik.ingress.kubernetes.io/router.entrypoints: websecure 
    traefik.ingress.kubernetes.io/router.tls: "true"        
    traefik.ingress.kubernetes.io/router.middlewares: longhorn-system-svc-longhorn-headers@kubernetescrd 
spec: 
  rules: 
  - http: 
      paths: 
      - path: / 
        backend: 
          serviceName: longhorn-frontend 
          servicePort: 80

相關信息

Longhorn issue comment:
- https://github.com/longhorn/longhorn/issues/1442#issuecomment-639761799

6. 使用 cURL 創建 Support Bundle

適用版本

所有 Longhorn 版本。

癥狀

無法使用 Web 瀏覽器創建 support bundle。

解決方案

暴露 Longhorn 后端服務。下面是一個使用 NodePort 的示例，如果設置了負載均衡器，您也可以通過負載均衡器暴露。

ip-172-30-0-21:~ # kubectl -n longhorn-system     patch svc longhorn-backend -p '{"spec":    {"type":"NodePort"}}' 
service/longhorn-backend patched 
ip-172-30-0-21:~ # kubectl -n longhorn-system get     svc/longhorn-backend 
NAME               TYPE       CLUSTER-IP          EXTERNAL-IP   PORT(S)          AGE 
longhorn-backend   NodePort   10.43.136.157       <none>        9500:32595/TCP   156m

運行以下腳本以創建和下載 support bundle。您需要替換 BACKEND_URL、ISSUE_URL、ISSUE_DESCRIPTION。

# Replace this block ====> 
BACKEND_URL="18.141.237.97:32595" 
 
ISSUE_URL="https://github.com/longhorn/longhorn/issues/dummy" 
ISSUE_DESCRIPTION="dummy description" 
# <==== Replace this block 
 
# Request to create the support bundle 
REQUEST_SUPPORT_BUNDLE=$( curl -sSX POST -H 'Content-Type: application/json' -d '{ "issueURL": "'"${ISSUE_URL}"'", "description": "'"${ISSUE_DESCRIPTION}"'" }' http://${BACKEND_URL}/v1/supportbundles ) 
 
ID=$( jq -r '.id' <<< ${REQUEST_SUPPORT_BUNDLE} ) 
SUPPORT_BUNDLE_NAME=$( jq -r '.name' <<< ${REQUEST_SUPPORT_BUNDLE} ) 
echo "Creating support bundle ${SUPPORT_BUNDLE_NAME} on Node ${ID}" 
 
while [ $(curl -sSX GET http://${BACKEND_URL}/v1/supportbundles/${ID}/${SUPPORT_BUNDLE_NAME} | jq -r '.state' ) != "ReadyForDownload" ]; do 
  echo "Progress: $(curl -sSX GET http://${BACKEND_URL}/v1/supportbundles/${ID}/${SUPPORT_BUNDLE_NAME} | jq -r '.progressPercentage' )%" 
  sleep 1s 
done 
 
curl -i -X GET http://${BACKEND_URL}/v1/supportbundles/${ID}/${SUPPORT_BUNDLE_NAME}/download --output /tmp/${SUPPORT_BUNDLE_NAME}.zip 
echo "Downloaded support bundle to /tmp/${SUPPORT_BUNDLE_NAME}.zip"

7. Longhorn RWX 共享掛載所有權在 consumer Pod 中顯示為 nobody

適用版本

Longhorn 版本 = v1.1.0

癥狀

當 Pod 使用 RWX 卷掛載時，Pod 共享掛載目錄及其 recurring contents 的所有 ownership 顯示為 nobody，但在 share-manager 中顯示為 root。

root@ip-172-30-0-139:/home/ubuntu# kubectl exec -it rwx-test-2pml2 -- ls -l /data 
total 16 
drwx------ 2 nobody 42949672 16384 Mar 31 04:16 lost+found 
 
root@ip-172-30-0-139:~# kubectl -n longhorn-system exec -it share-manager-pvc-f3775852-1e27-423f-96ab-95ccd04e4777 -- ls -l /export/pvc-f3775852-1e27-423f-96ab-95ccd04e4777 
total 16 
drwx------ 2 root root 16384 Mar 31 04:42 lost+found

背景

share-manager 中的 nfs-ganesha 使用 idmapd 進行 NFSv4 ID 映射，并設置為使用 localdomain 作為其導出域。

原因

client(host) 和 server(share-manager) 之間 /etc/idmapd.conf 中的內容不匹配導致 ownership 更改。

讓我們看一個例子：

我們假設您沒有修改集群主機上的 /etc/idmapd.conf。對于某些操作系統，Domain = localdomain 被注釋掉，默認情況下它使用 FQDN 減去 hostname。

當主機名為 ip-172-30-0-139 且 FQDN 為 ip-172-30-0-139.lan 時，主機 idmapd 將使用 lan 作為 Domain。

root@ip-172-30-0-139:/home/ubuntu# hostname 
ip-172-30-0-139 
 
root@ip-172-30-0-139:/home/ubuntu# hostname -f 
ip-172-30-0-139.lan

這導致 share-manager(localdomain) 和集群主機(lan)之間的域不匹配。因此觸發文件權限更改為使用 nobody。

[Mapping] section variables 
 
Nobody-User 
Local user name to be used when a mapping cannot be completed. 
Nobody-Group 
Local group name to be used when a mapping cannot be completed.

解決方案

1.在所有群集主機上的 /etc/idmapd.conf 中取消注釋或添加 Domain = localdomain。

root@ip-172-30-0-139:~# cat /etc/idmapd.conf  
[General] 
 
Verbosity = 0 
Pipefs-Directory = /run/rpc_pipefs 
# set your own domain here, if it differs from FQDN minus hostname 
Domain = localdomain 
 
[Mapping] 
 
Nobody-User = nobody 
Nobody-Group = nogroup

2.刪除并重新創建 RWX 資源堆棧(pvc + pod)。

root@ip-172-30-0-139:/home/ubuntu# kubectl exec -it volume-test -- ls -l /data 
total 16 
drwx------    2 root     root         16384 Mar 31 04:42 lost+found

8. 由于節點上的多路徑，MountVolume.SetUp for volume 失敗

適用版本

所有 Longhorn 版本。

癥狀

帶有卷的 pod 未啟動并在 longhorn-csi-plugin 中遇到錯誤消息：

time="2020-04-16T08:49:27Z" level=info msg="GRPC request: {\"target_path\":\"/var/lib/kubelet/pods/cf0a0b5b-106e-4793-a74a-28bfae21be1a/volumes/kubernetes.io~csi/pvc-d061512e-870a-4ece-bd45-2f04672d5256/mount\",\"volume_capability\":{\"AccessType\":{\"Mount\":{\"fs_type\":\"ext4\"}},\"access_mode\":{\"mode\":1}},\"volume_context\":{\"baseImage\":\"\",\"fromBackup\":\"\",\"numberOfReplicas\":\"3\",\"staleReplicaTimeout\":\"30\",\"storage.kubernetes.io/csiProvisionerIdentity\":\"1586958032802-8081-driver.longhorn.io\"},\"volume_id\":\"pvc-d061512e-870a-4ece-bd45-2f04672d5256\"}" 
time="2020-04-16T08:49:27Z" level=info msg="NodeServer NodePublishVolume req: volume_id:\"pvc-d061512e-870a-4ece-bd45-2f04672d5256\" target_path:\"/var/lib/kubelet/pods/cf0a0b5b-106e-4793-a74a-28bfae21be1a/volumes/kubernetes.io~csi/pvc-d061512e-870a-4ece-bd45-2f04672d5256/mount\" volume_capability:<mount:<fs_type:\"ext4\" > access_mode:<mode:SINGLE_NODE_WRITER > > volume_context:<key:\"baseImage\" value:\"\" > volume_context:<key:\"fromBackup\" value:\"\" > volume_context:<key:\"numberOfReplicas\" value:\"3\" > volume_context:<key:\"staleReplicaTimeout\" value:\"30\" > volume_context:<key:\"storage.kubernetes.io/csiProvisionerIdentity\" value:\"1586958032802-8081-driver.longhorn.io\" > " 
E0416 08:49:27.567704 1 mount_linux.go:143] Mount failed: exit status 32 
Mounting command: mount 
Mounting arguments: -t ext4 -o defaults /dev/longhorn/pvc-d061512e-870a-4ece-bd45-2f04672d5256 /var/lib/kubelet/pods/cf0a0b5b-106e-4793-a74a-28bfae21be1a/volumes/kubernetes.io~csi/pvc-d061512e-870a-4ece-bd45-2f04672d5256/mount 
Output: mount: /var/lib/kubelet/pods/cf0a0b5b-106e-4793-a74a-28bfae21be1a/volumes/kubernetes.io~csi/pvc-d061512e-870a-4ece-bd45-2f04672d5256/mount: /dev/longhorn/pvc-d061512e-870a-4ece-bd45-2f04672d5256 already mounted or mount point busy. 
E0416 08:49:27.576477 1 mount_linux.go:487] format of disk "/dev/longhorn/pvc-d061512e-870a-4ece-bd45-2f04672d5256" failed: type:("ext4") target:("/var/lib/kubelet/pods/cf0a0b5b-106e-4793-a74a-28bfae21be1a/volumes/kubernetes.io~csi/pvc-d061512e-870a-4ece-bd45-2f04672d5256/mount") options:(["defaults"])error:(exit status 1) 
time="2020-04-16T08:49:27Z" level=error msg="GRPC error: rpc error: code = Internal desc = exit status 1"

詳情

這是由于多路徑為任何符合條件的設備路徑創建了多路徑設備，包括未明確列入黑名單的每個 Longhorn 卷設備。

故障排除

1.查找 Longhorn 設備的 major:minor 編號。在節點上，嘗試 ls -l /dev/longhorn/。major:minor 編號將顯示在設備名稱前，例如 8、32。

ls -l /dev/longhorn 
brw-rw---- 1 root root 8, 32 Aug 10 21:50 pvc-39c0db31-628d-41d0-b05a-4568ec02e487

2.查找 Linux 為相同的 major:minor 編號生成的設備是什么。使用 ls -l /dev 并找到相同 major:minor 編號的設備，例如 /dev/sde。

brw-rw---- 1 root disk      8,  32 Aug 10 21:50 sdc

找到進程。使用 lsof 獲取正在使用的文件處理程序列表，然后使用 grep 獲取設備名稱(例如 sde 或 /dev/longhorn/xxx。您應該在那里找到一個。

lsof | grep sdc 
multipath 514292                              root    8r      BLK               8,32        0t0        534 /dev/sdc 
multipath 514292 514297 multipath             root    8r      BLK               8,32        0t0        534 /dev/sdc 
multipath 514292 514299 multipath             root    8r      BLK               8,32        0t0        534 /dev/sdc 
multipath 514292 514300 multipath             root    8r      BLK               8,32        0t0        534 /dev/sdc 
multipath 514292 514301 multipath             root    8r      BLK               8,32        0t0        534 /dev/sdc 
multipath 514292 514302 multipath             root    8r      BLK               8,32        0t0        534 /dev/sdc 
multipath 514292 514304 multipath             root    8r      BLK

解決方案

按照以下步驟防止多路徑守護進程(multipath daemon)添加由 Longhorn 創建的額外塊設備。

首先使用 lsblk 檢查 Longhorn 創建的設備：

root@localhost:~# lsblk 
NAME MAJ:MIN RM  SIZE RO TYPE MOUNTPOINT 
sda    8:0    0 79.5G  0 disk / 
sdb    8:16   0  512M  0 disk [SWAP] 
sdc    8:32   0    1G  0 disk /var/lib/kubelet/pods/c2c2b848-1f40-4727-8a52-03a74f9c76b9/volumes/kubernetes.io~csi/pvc-859bc3c9-faa8-4f54-85e4-b12935b5ae3c/mount 
sdd    8:48   0    1G  0 disk /var/lib/kubelet/pods/063a181a-66ac-4644-8268-9215305f9b73/volumes/kubernetes.io~csi/pvc-837eb6ac-45fe-4de7-9c97-8d371eb02190/mount 
sde    8:64   0    1G  0 disk /var/lib/kubelet/pods/4c80842d-7257-4b91-b668-bb5b111da003/volumes/kubernetes.io~csi/pvc-c01cee3e-f292-4979-b183-6546d6397fbd/mount 
sdf    8:80   0    1G  0 disk /var/lib/kubelet/pods/052dadd9-042a-451c-9bb1-2d9418f0381f/volumes/kubernetes.io~csi/pvc-ba7a5c9a-d84d-4cb0-959d-3db39f34d81b/mount 
sdg    8:96   0    1G  0 disk /var/lib/kubelet/pods/7399b073-c262-4963-8c7f-9e481272ea36/volumes/kubernetes.io~csi/pvc-2b122b42-141a-4181-b8fd-ce3cf91f6a64/mount 
sdh    8:112  0    1G  0 disk /var/lib/kubelet/pods/a63d919d-201b-4eb1-9d84-6440926211a9/volumes/kubernetes.io~csi/pvc-b7731785-8364-42a8-9e7d-7516801ab7e0/mount 
sdi    8:128  0    1G  0 disk /var/lib/kubelet/pods/3e056ee4-bab4-4230-9054-ab214bdf711f/volumes/kubernetes.io~csi/pvc-89d37a02-8480-4317-b0f1-f17b2a886d1d/mount

請注意，Longhorn 設備名稱以 /dev/sd[x] 開頭

如果不存在，則創建默認配置文件 /etc/multipath.conf
將以下行添加到黑名單部分 devnode "^sd[a-z0-9]+"

blacklist { 
    devnode "^sd[a-z0-9]+" 
}

重啟多路徑服務

systemctl restart multipathd.service

驗證是否應用了配置

multipath -t

多路徑黑名單部分的默認配置默認阻止以下設備名稱 ^(ram|raw|loop|fd|md|dm-|sr|scd|st|dcssblk)[0-9] ^(td|hd|vd)[a-z]

9. Longhorn-UI:WebSocket 握手期間出錯:意外響應代碼:200 #2265

適用版本

現有 Longhorn 版本 < v1.1.0 升級到 Longhorn >= v1.1.0。

癥狀

Longhorn 升級到版本 >= v1.1.0 后，遇到如下情況：

入口消息：

{"level":"error","msg":"vulcand/oxy/forward/websocket: Error dialing \"10.17.1.246\": websocket: bad handshake with resp: 200 200 OK","time":"2021-03-09T08:29:03Z"}

Longhorn UI 消息：

10.46.0.3 - - [19/Feb/2021:11:33:24 +0000] "GET /node/v1/ws/1s/engineimages HTTP/1.1" 200 578 "-" "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.150 Safari/537.36 Edg/88.0.705.68" 
10.46.0.3 - - [19/Feb/2021:11:33:29 +0000] "GET /node/v1/ws/1s/volumes HTTP/1.1" 200 578 "-" "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.150 Safari/537.36 Edg/88.0.705.68" 
10.46.0.3 - - [19/Feb/2021:11:33:32 +0000] "GET /node/v1/ws/1s/nodes HTTP/1.1" 200 578 "-" "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.150 Safari/537.36 Edg/88.0.705.68" 
10.46.0.3 - - [19/Feb/2021:11:33:37 +0000] "GET /node/v1/ws/1s/events HTTP/1.1" 200 578 "-" "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.150 Safari/537.36 Edg/88.0.705.68" 
10.46.0.3 - - [19/Feb/2021:11:33:38 +0000] "GET /node/v1/ws/1s/engineimages HTTP/1.1" 200 578 "-" "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.150 Safari/537.36 Edg/88.0.705.68" 
10.46.0.3 - - [19/Feb/2021:11:33:41 +0000] "GET /node/v1/ws/1s/volumes HTTP/1.1" 200 578 "-" "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.150 Safari/537.36 Edg/88.0.705.68"

原因

為了支持不同的路由(Rancher-Proxy、NodePort、Ingress 和 Nginx)，Longhorn v1.1.0 重新構建了 UI 以使用 hash history，原因有兩個：

支持 Longhorn UI 路由到不同路徑。例如，/longhorn/#/dashboard
通過分離前端和后端來支持單頁應用程序。

結果，/ 更改為 /#/。

之后，輸出消息應類似于以下內容：

Ingress 消息應該沒有 websocket 錯誤：

time="2021-03-16T04:54:23Z" level=debug msg="websocket: open" id=6809628160892941023 type=events 
time="2021-03-16T04:54:23Z" level=debug msg="websocket: open" id=3234910863291903636 type=engineimages 
time="2021-03-16T04:54:23Z" level=debug msg="websocket: open" id=2117763315178050120 type=backingimages 
time="2021-03-16T04:54:23Z" level=debug msg="websocket: open" id=621105775322000457 type=volumes

Longhorn UI 消息：

使用 Ingress：

10.42.0.8 - - [16/Mar/2021:04:54:34 +0000] "GET /v1/nodes HTTP/1.1" 200 6729 "http://10.17.0.169/" "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36" 
10.42.0.8 - - [16/Mar/2021:04:54:34 +0000] "GET /v1/backingimages HTTP/1.1" 200 117 "http://10.17.0.169/" "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36" 
10.42.0.8 - - [16/Mar/2021:04:54:34 +0000] "GET /v1/volumes HTTP/1.1" 200 162 "http://10.17.0.169/" "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36" 
10.42.0.8 - - [16/Mar/2021:04:54:34 +0000] "GET /v1/engineimages HTTP/1.1" 200 1065 "http://10.17.0.169/" "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36" 
10.42.0.8 - - [16/Mar/2021:04:54:34 +0000] "GET /v1/settings HTTP/1.1" 200 30761 "http://10.17.0.169/" "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36" 
10.42.0.8 - - [16/Mar/2021:04:54:34 +0000] "GET /v1/events HTTP/1.1" 200 62750 "http://10.17.0.169/" "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36"

使用 Proxy：

10.42.0.0 - - [16/Mar/2021:05:03:51 +0000] "GET /v1/engineimages HTTP/1.1" 200 1070 "http://localhost:8001/api/v1/namespaces/longhorn-system/services/http:longhorn-frontend:80/proxy/" "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36" 
10.42.0.0 - - [16/Mar/2021:05:03:51 +0000] "GET /v1/events HTTP/1.1" 200 62904 "http://localhost:8001/api/v1/namespaces/longhorn-system/services/http:longhorn-frontend:80/proxy/" "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36" 
10.42.0.0 - - [16/Mar/2021:05:03:52 +0000] "GET /v1/engineimages HTTP/1.1" 200 1071 "http://localhost:8001/api/v1/namespaces/longhorn-system/services/http:longhorn-frontend:80/proxy/" "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36" 
10.42.0.0 - - [16/Mar/2021:05:03:52 +0000] "GET /v1/nodes HTTP/1.1" 200 6756 "http://localhost:8001/api/v1/namespaces/longhorn-system/services/http:longhorn-frontend:80/proxy/" "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36" 
10.42.0.0 - - [16/Mar/2021:05:03:52 +0000] "GET /v1/settings HTTP/1.1" 200 30882 "http://localhost:8001/api/v1/namespaces/longhorn-system/services/http:longhorn-frontend:80/proxy/" "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36" 
10.42.0.0 - - [16/Mar/2021:05:03:52 +0000] "GET /v1/volumes HTTP/1.1" 200 168 "http://localhost:8001/api/v1/namespaces/longhorn-system/services/http:longhorn-frontend:80/proxy/" "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36" 
10.42.0.0 - - [16/Mar/2021:05:03:52 +0000] "GET /v1/backingimages HTTP/1.1" 200 120 "http://localhost:8001/api/v1/namespaces/longhorn-system/services/http:longhorn-frontend:80/proxy/" "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36" 
10.42.0.0 - - [16/Mar/2021:05:03:52 +0000] "GET /v1/events HTTP/1.1" 200 62900 "http://localhost:8001/api/v1/namespaces/longhorn-system/services/http:longhorn-frontend:80/proxy/" "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36"

解決方案

清除瀏覽器緩存。
從 /# 訪問/重新收藏 Longhorn URL。

10. Longhorn 卷需要很長時間才能完成安裝

適用版本

所有 Longhorn 版本。

癥狀

啟動使用 Longhorn 卷的工作負載 pod 時，Longhorn UI 顯示 Longhorn 卷連接很快，但卷完成掛載和工作負載能夠啟動需要很長時間。

僅當 Longhorn 卷具有許多文件/目錄并且在工作負載 pod 中設置 securityContext.fsGroup 時才會發生此問題，如下所示：

spec: 
  securityContext: 
    runAsUser: 1000 
    runAsGroup: 3000 
    fsGroup: 2000

原因

默認情況下，當看到 fsGroup 字段時，每次掛載卷時，Kubernetes 都會對卷內的所有文件和目錄遞歸調用 chown() 和 chmod()。即使卷的組所有權已經與請求的 fsGroup 匹配，也會發生這種情況，并且對于包含大量小文件的較大卷來說可能非常昂貴，這會導致 pod 啟動需要很長時間。

解決方案

在 Kubernetes v1.19.x 及之前版本中沒有解決此問題的方法。

自從版本 1.20.x 以來，Kubernetes 引入了一個新的 beta 特性：字段 fsGroupChangePolicy。即，

spec: 
  securityContext: 
    runAsUser: 1000 
    runAsGroup: 3000 
    fsGroup: 2000 
    fsGroupChangePolicy: "OnRootMismatch"

當 fsGroupChangePolicy 設置為 OnRootMismatch 時，如果卷的根已具有正確的權限，則將跳過遞歸權限和所有權更改。這意味著，如果用戶在 pod 啟動之間不更改 pod.spec.securityContext.fsGroup，K8s 只需檢查根目錄的權限和所有權，與總是遞歸地更改卷的所有權和權限相比，裝載過程將快得多。

相關信息

相關 Longhorn issue:
- https://github.com/longhorn/longhorn/issues/2131
相關 Kubernetes 文檔：
- https://kubernetes.io/blog/2020/12/14/kubernetes-release-1.20-fsgroupchangepolicy-fsgrouppolicy/#allow-users-to-skip-recursive-permission-changes-on-mount

11. volume readonly or I/O error

適用版本

所有 Longhorn 版本。

癥狀

當應用程序將數據寫入現有文件或在 Longhorn 卷的掛載點創建文件時，將顯示以下消息：

/ # cd data 
/data # echo test > test 
sh: can't create test: I/O error

在相關 pod 或節點主機中運行 dmesg 時，會顯示以下消息：

[1586907.286218] EXT4-fs (sdc): mounted filesystem with ordered data mode. Opts: (null) 
[1587396.152106] EXT4-fs warning (device sdc): ext4_end_bio:323: I/O error 10 writing to inode 12 (offset 0 size 4096 starting block 33026) 
[1587403.789877] EXT4-fs error (device sdc): ext4_find_entry:1455: inode #2: comm sh: reading directory lblock 0 
[1587404.353594] EXT4-fs warning (device sdc): htree_dirblock_to_tree:994: inode #2: lblock 0: comm ls: error -5 reading directory block 
[1587404.353598] EXT4-fs error (device sdc): ext4_journal_check_start:61: Detected aborted journal 
[1587404.355087] EXT4-fs (sdc): Remounting filesystem read-only 
......

使用 `kubectl -n longhorn-system get event 檢查事件時 | grep ，顯示如下事件：

使用 kubectl -n longhorn-system get event | grep 檢查事件時，顯示如下事件：

2m26s       Warning   DetachedUnexpectly       volume/pvc-342edde0-d3f4-47c6-abf6-bf8eeda3c32c               Engine of volume pvc-342edde0-d3f4-47c6-abf6-bf8eeda3c32c dead unexpectedly, reattach the volume

通過運行 kubectl -n longhorn-system logs | grep ，在工作負載運行的節點上檢查 Longhorn manager pod 的日志時，顯示以下消息：

time="2021-01-05T11:20:46Z" level=debug msg="Instance handler updated instance pvc-342edde0-d3f4-47c6-abf6-bf8eeda3c32c-e-0fe2dac3 state, old state running, new state error" 
time="2021-01-05T11:20:46Z" level=warning msg="Instance pvc-342edde0-d3f4-47c6-abf6-bf8eeda3c32c-e-0fe2dac3 crashed on Instance Manager instance-manager-e-a1fd54e4 at shuo-cluster-0-worker-3, try to get log" 
...... 
time="2021-01-05T11:20:46Z" level=warning msg="Engine of volume dead unexpectedly, reattach the volume" accessMode=rwo controller=longhorn-volume frontend=blockdev node=shuo-cluster-0-worker-3 owner=shuo-cluster-0-worker-3 state=attached volume=pvc-342edde0-d3f4-47c6-abf6-bf8eeda3c32c 
...... 
time="2021-01-05T11:20:46Z" level=info msg="Event(v1.ObjectReference{Kind:\"Volume\", Namespace:\"longhorn-system\", Name:\"pvc-342edde0-d3f4-47c6-abf6-bf8eeda3c32c\", UID:\"69bb0f94-da48-4d15-b861-add435f25d00\", APIVersion:\"longhorn.io/v1beta1\", ResourceVersion:\"7466467\", FieldPath:\"\"}): type: 'Warning' reason: 'DetachedUnexpectly' Engine of volume pvc-342edde0-d3f4-47c6-abf6-bf8eeda3c32c dead unexpectedly, reattach the volume"

失敗原因

一旦 Longhorn 卷意外崩潰，Longhorn 卷的掛載點將失效。那么就無法通過掛載點讀取或寫入 Longhorn 卷中的數據。

根本原因

引擎崩潰通常是由于失去與每個副本的連接而導致的。以下是發生這種情況的可能原因：

1.節點上的 CPU 利用率過高。如果 Longhorn 引擎沒有足夠的 CPU 資源來處理請求，則請求可能會超時，導致與副本的連接丟失。您可以參考下面文檔，了解如何為 Longhorn 實例管理器 Pod 預留適當數量的 CPU 資源。

https://longhorn.io/docs/1.1.0/best-practices/#guaranteed-engine-cpu

2.網絡帶寬不夠。通常，如果所有這些卷都運行高密集型工作負載，則 1Gbps 網絡將只能為 3 個卷提供服務。

3.網絡延遲相對較高。如果一個節點上同時有多個卷 r/w，最好保證延遲小于 20ms。

4.網絡中斷。它可能導致所有副本斷開連接，然后引擎崩潰。

5.磁盤性能太低，無法及時完成請求。我們不建議在 Longhorn 系統中使用低 IOPS 磁盤(例如旋轉磁盤)。

自動恢復

對于 v1.1.0 之前的 Longhorn 版本，Longhorn 會嘗試自動重新掛載卷，但它可以處理的場景有限。

從 Longhorn v1.1.0 版本開始，引入了一個新設置“卷意外分離時自動刪除工作負載 Pod(Automatically Delete Workload Pod when The Volume Is Detached Unexpectedly)”，以便 Longhorn 將自動刪除由控制器管理的工作負載 Pod(例如 deployment、statefulset、daemonset 等)。

手動恢復

如果工作負載是一個簡單的 pod，您可以刪除并重新部署 pod。如果回收策略不是 Retain，請確保相關 PVC 或 PV 未被刪除。否則，一旦相關的 PVC/PV 消失，Longhorn 卷將被刪除。

如果工作負載 Pod 屬于 Deployment/StatefulSet，您可以通過縮減然后擴展工作負載副本來重新啟動 Pod。

對于 Longhorn v1.1.0 或更高版本，您可以啟用設置“卷意外分離時自動刪除工作負載 Pod(Automatically Delete Workload Pod when The Volume Is Detached Unexpectedly)”。

其他原因

當相關工作負載仍在使用卷時，用戶意外或手動分離了 Longhorn 卷。

相關信息

最小資源需求調查和結果：
- https://github.com/longhorn/longhorn/issues/1691
設置 Automatically Delete Workload Pod when The Volume Is Detached Unexpectedly 的討論
- https://github.com/longhorn/longhorn/issues/1719

12. volume pvc-xxx not scheduled

適用版本

所有 Longhorn 版本。

癥狀

使用 Longhorn Volume 作為 PVC 創建 Pod 時，Pod 無法啟動。

使用 kubectl describe 檢查錯誤消息時，會顯示以下消息：

Warning  FailedAttachVolume  4m29s (x3 over 5m33s)  attachdetach-controller     AttachVolume.Attach failed for volume "pvc-xxx" : rpc error: code = Internal desc = Bad response statusCode [500]. Status [500 Internal Server Error]. Body: [message=unable to attach volume pvc-xxx to node-xxx: volume pvc-xxx not scheduled, code=Server Error, detail=] from [http://longhorn-backend:9500/v1/volumes/pvc-xxx?action=attach]

在上面的錯誤中注意到 Longhorn 返回的消息：

unable to attach volume pvc-xxx to node-xxx: volume pvc-xxx not scheduled

詳情

這是由于 Longhorn 在不同節點上找不到足夠的空間來存儲卷的數據，導致卷調度失敗。

最常見的原因

對于 Longhorn v1.0.x，默認 Longhorn 安裝有以下設置：

Node Level Soft Anti-affinity: false
默認 StorageClass longhorn 的副本計數設置為 3。

這意味著 Longhorn 將始終嘗試在三個不同節點上為三個副本分配足夠的空間。

如果無法滿足此要求，例如由于集群中的節點少于 3 個，卷調度將失敗。

解決方案

如果是這種情況，您可以：

要么將節點級軟反親和性(Node Level Soft Anti-affinity)設置為 true。
或者，創建一個副本數設置為 1 或 2 的新 StorageClass。
或者，向集群添加更多節點。

其他原因

有關調度策略的詳細說明，請參閱 Longhorn 文檔中的調度部分。

https://longhorn.io/docs/1.0.2/volumes-and-nodes/scheduling/