k8s 记录一次longhorn重启后容器pvc挂载不上的问题

k8s 记录一次longhorn重启后容器pvc挂载不上的问题

这里其实记录了两个问题

• longhorn通过fsck修复文件恢复服务
• fsck修复文件导致文件损坏恢复问题

问题一

起因及报错
k8s上部署了longhorn，数据在三个节点上分别都有备份，重启服务器后发现一些statefulset的容器启动失败报错

//有好几个statefulset的容器报错，下面是其中2个
//nacos报错
AttachVolume.Attach failed for volume "pvc-cc910a66-75b0-475a-84a7-bb6418c4e04a" : rpc error: code = DeadlineExceeded desc = volume pvc-cc910a66-75b0-475a-84a7-bb6418c4e04a failed to attach to node idc-general-k8s-29 
//另一个容器报错
Unable to attach or mount volumes: unmounted volumes=[redis-data], unattached volumes=[start-scripts health redis-data config redis-tmp-conf tmp redis-standalone-token-r7tpv]: timed out waiting for the condition

解决步骤

这个错误信息表明 Kubernetes 无法将某些容器的挂载卷(Volume)附加到节点(Node)上，可能是由于 Kubernetes 调度程序无法在指定的时间内完成挂载操作所致。

• 检查节点状态：使用 kubectl get nodes 命令检查节点的状态，确保该节点处于 "Ready" 状态。

• 检查 Longhorn 状态：使用 kubectl get pods -n longhorn-system 命令检查 Longhorn 的各个组件的状态，确保 Longhorn 正常运行。

• 检查 PVC 状态：使用 kubectl get pvc 命令检查 PVC 的状态，确保 PVC 处于 "Bound" 状态。

• 检查 PV 状态：使用 kubectl get pv 命令检查 PV 的状态，确保 PV 处于 "Bound" 状态，并且已经正确绑定到 PVC。

• 检查相关的 Pod：使用 kubectl get pods 命令检查相关的 Pod 的状态，确保它们已经正确挂载了 PVC。

如果上述步骤都没有解决问题，您可以尝试删除相关的 Pod 和 PVC，然后重新创建它们。另外，您也可以尝试手动挂载 PVC 到节点上，以验证 Longhorn 存储插件是否正常工作。

本次问题处理

我是检查到第2步，kubectl get pods -n longhorn-system
发现有一个pod报错

//查看报错pod的日志
kubectl logs -f --tail 200 pod1231231

//pod报错日志内容
ime="2023-04-12T13:35:26Z" level=debug msg="device /dev/mapper/pvc-cc910a66-75b0-475a-84a7-bb6418c4e04a is not an active LUKS device: failed to run cryptsetup args: [status pvc-cc910a66-75b0-475a-84a7-bb6418c4e04a] output: error: exit status 127"
time="2023-04-12T13:35:26Z" level=fatal msg="Error running start command: 'fsck' found errors on device /dev/longhorn/pvc-cc910a66-75b0-475a-84a7-bb6418c4e04a but could not correct them: fsck from util-linux 2.34\n/dev/longhorn/pvc-cc910a66-75b0-475a-84a7-bb6418c4e04a contains a file system with errors, check forced.\n/dev/longhorn/pvc-cc910a66-75b0-475a-84a7-bb6418c4e04a: Missing '..' in directory inode 2621443.\n\n\n/dev/longhorn/pvc-cc910a66-75b0-475a-84a7-bb6418c4e04a: UNEXPECTED INCONSISTENCY; RUN fsck MANUALLY.\n\t(i.e., without -a or -p options)\n."

看到fsck命令可以修复
因此我登录到对应的节点执行了fsck，在这一步一定注意，fsck有可能会导致文件丢失，执行前需要备份

//修复
fsck -y /dev/longhorn/pvc-cb074d7b-542c-4e3c-9bd7-b00af53971bc

问题二

longhorn这里部署的是三个副本，并且每天都会自动备份一次。
当我自信满满的打开Backup的时候，发现之前并没有写nfs备份的路径

没有快照的话几乎不可能恢复，好在在volume里找到了一个几小时前的备份，这里应该有个配置，每天备份一次，具体在哪里配置的还不清楚，后面有发现再补充

结合上面的存储目录

分别登录三个节点，找一下这个目录下对应的img
如果您只有 /data/longhorn/replicas/ 目录下的 volume-snap-<snapshot_id>.img 文件，而且您无法在 Longhorn 的 Web UI 中看到该快照或恢复该快照，那么您可能需要手动恢复数据。以下是一些可能有用的步骤：

创建一个新的 PVC(PersistentVolumeClaim)。您可以使用以下 YAML 文件创建一个 PVC：

apiVersion: v1
kind: PersistentVolumeClaim
metadata:
  name: <pvc_name>
spec:
  accessModes:
  - ReadWriteOnce
  resources:
    requests:
      storage: <pvc_size>

请将 <pvc_name> 替换为您要创建的 PVC 的名称，<pvc_size> 替换为您要申请的存储大小。请注意，accessModes 必须设置为 ReadWriteOnce，以确保您可以将 PVC 挂载到一个节点上并写入数据。

在任何一个 Kubernetes 节点上，创建一个临时目录，并将 volume-snap-<snapshot_id>.img 文件复制到该目录中。

使用以下命令将 volume-snap-<snapshot_id>.img 文件转换为一个块设备文件(block device file)：

sudo losetup -f

该命令将会输出一个可用的 loop 设备文件的路径，例如 /dev/loop0。然后，可以使用以下命令将 volume-snap-<snapshot_id>.img 文件映射到该 loop 设备上：

sudo losetup /dev/loop0 /path/to/volume-snap-<snapshot_id>.img

请将 /path/to/volume-snap-<snapshot_id>.img 替换为 volume-snap-<snapshot_id>.img 文件的实际路径。

根据需要，对该 loop 设备文件执行文件系统检查和修复。例如，如果您的文件系统是 ext4，可以使用以下命令检查和修复文件系统：

sudo e2fsck -f /dev/loop0
sudo resize2fs /dev/loop0

请注意，您应该始终在映射到 loop 设备上的文件系统上执行检查和修复操作，而不是在原始映像文件上执行操作。

将该 loop 设备文件挂载到新创建的 PVC 上。您可以使用以下命令将其挂载到 /mnt/data 目录：

sudo mkdir /mnt/data
sudo mount /dev/loop0 /mnt/data

然后，您可以通过 /mnt/data 目录访问并恢复数据。
请注意，手动恢复数据可能比使用 Longhorn 的快照恢复功能更容易出错，并且可能需要更长的时间。因此，如果您有其他可用的快照或备份，请首先尝试使用这些方法来恢复您的数据。

我的是mysql数据库文件损坏，所以到这一步，能从img文件转换成linux文件夹，可以拷贝走数据文件，后面的就比较简单了，再起一个数据库，把数据库的文件恢复到新的数据库，然后dump迁移走就可以了

• 最后还是给自己长个记性，重启服务器前记得还有个服务longhorn，一共三个节点，连着重启两个节点，数据会丢失，而恰巧你又没做备份，只能这样恢复数据。重启时尽量关注longhorn，节点数据同步完成后再重启下一台，同时在longhorn做好快照，方便出现问题及时恢复。