使用 PD Recover 恢复 PD 集群

PD Recover 是对 PD 进行灾难性恢复的工具，用于恢复无法正常启动或服务的 PD 集群。该工具的详细介绍参见 TiDB 文档 - PD Recover。本文档介绍如何下载 PD Recover 工具，以及如何使用该工具恢复 PD 集群。

下载 PD Recover

1. 下载 TiDB 官方安装包：

   wget https://download.pingcap.org/tidb-${version}-linux-amd64.tar.gz

   ${version} 是 TiDB 集群版本，例如，v5.4.1。

2. 解压安装包：

   tar -xzf tidb-${version}-linux-amd64.tar.gz

   pd-recover 在 tidb-${version}-linux-amd64/bin 目录下。

使用 PD Recover 恢复 PD 集群

本小节详细介绍如何使用 PD Recover 来恢复 PD 集群。

第 1 步：获取 Cluster ID

使用以下命令获取 PD 集群的 Cluster ID：

kubectl get tc ${cluster_name} -n ${namespace} -o='go-template={{.status.clusterID}}{{"\n"}}'

示例：

kubectl get tc test -n test -o='go-template={{.status.clusterID}}{{"\n"}}' 6821434242797747735

第 2 步：获取 Alloc ID

使用 pd-recover 恢复 PD 集群时，需要指定 alloc-id。alloc-id 的值是一个比当前已经分配的最大的 Alloc ID 更大的值。

1. 参考访问 Prometheus 监控数据打开 TiDB 集群的 Prometheus 访问页面。

2. 在输入框中输入 pd_cluster_id 并点击 Execute 按钮查询数据，获取查询结果中的最大值。

3. 将查询结果中的最大值乘以 100，作为使用 pd-recover 时指定的 alloc-id。

第 3 步：恢复 PD 集群 Pod

1. 删除 PD 集群 Pod。

   通过如下命令设置 spec.pd.replicas 为 0：

   kubectl patch tc ${cluster_name} -n ${namespace} --type merge -p '{"spec":{"pd":{"replicas": 0}}}'

   由于此时 PD 集群异常，TiDB Operator 无法将上面的改动同步到 PD StatefulSet，所以需要通过如下命令设置 PD StatefulSet spec.replicas 为 0：

   kubectl patch sts ${cluster_name}-pd -n ${namespace} -p '{"spec":{"replicas": 0}}'

   通过如下命令确认 PD Pod 已经被删除：

   kubectl get pod -n ${namespace}

2. 确认所有 PD Pod 已经被删除后，通过如下命令删除 PD Pod 绑定的 PVC：

   kubectl delete pvc -l app.kubernetes.io/component=pd,app.kubernetes.io/instance=${cluster_name} -n ${namespace}

3. PVC 删除完成后，扩容 PD 集群至一个 Pod。

   通过如下命令设置 spec.pd.replicas 为 1：

   kubectl patch tc ${cluster_name} -n ${namespace} --type merge -p '{"spec":{"pd":{"replicas": 1}}}'

   由于此时 PD 集群异常，TiDB Operator 无法将上面的改动同步到 PD StatefulSet，所以需要通过如下命令设置 PD StatefulSet spec.replicas 为 1：

   kubectl patch sts ${cluster_name}-pd -n ${namespace} -p '{"spec":{"replicas": 1}}'

   通过如下命令确认 PD Pod 已经启动：

   kubectl get pod -n ${namespace}

第 4 步：使用 PD Recover 恢复 PD 集群

1. 通过 port-forward 暴露 PD 服务：

   kubectl port-forward -n ${namespace} svc/${cluster_name}-pd 2379:2379

2. 打开一个新终端标签或窗口，进入到 pd-recover 所在的目录，使用 pd-recover 恢复 PD 集群：

   ./pd-recover -endpoints http://127.0.0.1:2379 -cluster-id ${cluster_id} -alloc-id ${alloc_id}

   ${cluster_id} 是获取 Cluster ID 步骤中获取的 Cluster ID，${alloc_id} 是获取 Alloc ID 步骤中获取的 pd_cluster_id 的最大值再乘以 100。

   pd-recover 命令执行成功后，会打印如下输出：

   recover success! please restart the PD cluster

3. 回到 port-forward 命令所在窗口，按 Ctrl+C 停止并退出。

第 5 步：重启 PD Pod

1. 删除 PD Pod：

   kubectl delete pod ${cluster_name}-pd-0 -n ${namespace}

2. Pod 正常启动后，通过 port-forward 暴露 PD 服务：

   kubectl port-forward -n ${namespace} svc/${cluster_name}-pd 2379:2379

3. 打开一个新终端标签或窗口，通过如下命令确认 Cluster ID 为获取 Cluster ID 步骤中获取的 Cluster ID：

   curl 127.0.0.1:2379/pd/api/v1/cluster

4. 回到 port-forward 命令所在窗口，按 Ctrl+C 停止并退出。

第 6 步：扩容 PD 集群

通过如下命令设置 spec.pd.replicas 为期望的 Pod 数量：

kubectl patch tc ${cluster_name} -n ${namespace} --type merge -p '{"spec":{"pd":{"replicas": $replicas}}}'

第 7 步：重启 TiDB 和 TiKV

使用以下命令重启 TiDB 和 TiKV 实例：

kubectl delete pod -l app.kubernetes.io/component=tidb,app.kubernetes.io/instance=${cluster_name} -n ${namespace} && kubectl delete pod -l app.kubernetes.io/component=tikv,app.kubernetes.io/instance=${cluster_name} -n ${namespace}