障害が発生した etcd レプリカを置き換える

このドキュメントでは、GKE on VMware の高可用性（HA）ユーザークラスタで、失敗した etcd レプリカを置き換える方法について説明します。

ここで説明する手順は、kubeception を使用する HA ユーザークラスタに適用されます。つまり、Controlplane V2 が有効になっていないユーザークラスタです。Controlplane V2 が有効になっているユーザークラスタで etcd レプリカを置き換える必要がある場合は、Cloud カスタマーケアにお問い合わせください。

準備

管理クラスタが正常に機能していることを確認します。
ユーザークラスタ内の他の 2 つの etcd メンバーが正しく動作していることを確認します。複数の etcd メンバーが失敗した場合は、etcd データ破損または損失からの復元をご覧ください。

障害が発生した etcd レプリカを置き換える

後で復元できるように、etcd PodDisruptionBudget（PDB）のコピーをバックアップします。
```
kubectl --kubeconfig ADMIN_CLUSTER_KUBECONFIG -n USER_CLUSTER_NAME get pdb kube-etcd-pdb -o yaml > PATH_TO_PDB_FILE
```
ここで
- ADMIN_CLUSTER_KUBECONFIG は、管理クラスタの kubeconfig ファイルのパスです。
- USER_CLUSTER_NAME は、失敗した etcd レプリカを含むユーザークラスタの名前です。
- PATH_TO_PDB_FILE は、etcd PDB ファイルを保存するパスです（例: /tmp/etcpdb.yaml）。

etcd PodDisruptionBudget（PDB）を削除します。

kubectl --kubeconfig ADMIN_CLUSTER_KUBECONFIG -n USER_CLUSTER_NAME delete pdb kube-etcd-pdb

次のコマンドを実行して、テキストエディタで kube-etcd StatefulSet を開きます。

kubectl --kubeconfig ADMIN_CLUSTER_KUBECONFIG -n USER_CLUSTER_NAME edit statefulset kube-etcd

--initial-cluster-state フラグの値を existing に変更します。

containers:
    - name: kube-etcd
      ...
      args:
        - --initial-cluster-state=existing
      ...

失敗した etcd レプリカのノードをドレインします。
```
kubectl --kubeconfig ADMIN_CLUSTER_KUBECONFIG drain NODE_NAME --ignore-daemonsets --delete-local-data
```
ここで、NODE_NAME は失敗した etcd レプリカノードの名前です。
動作している kube-etcd Pod のいずれかのコンテナ内に新しいシェルを作成します。
```
kubectl --kubeconfig ADMIN_CLUSTER_KUBECONFIG exec -it \
   KUBE_ETCD_POD --container kube-etcd --namespace USER_CLUSTER_NAME \
   -- bin/sh
```
ここで、KUBE_ETCD_POD は動作中の kube-etcd Pod の名前です。例: kube-etcd-0

この新しいシェルから、次のコマンドを実行します。
1. 失敗した etcd レプリカノードを etcd クラスタから削除します。
  
  まず、etcd クラスタのすべてのメンバーを一覧表示します。
```
etcdctl member list -w table
```
  出力には、すべてのメンバー ID が表示されます。失敗したレプリカのメンバー ID を特定します。
  
  次に、失敗したレプリカを削除します。
```
export ETCDCTL_CACERT=/etcd.local.config/certificates/etcdCA.crt
export ETCDCTL_CERT=/etcd.local.config/certificates/etcd.crt
export ETCDCTL_CERT=/etcd.local.config/certificates/etcd.crt
export ETCDCTL_KEY=/etcd.local.config/certificates/etcd.key
export ETCDCTL_ENDPOINTS=https://127.0.0.1:2379
etcdctl member remove MEMBER_ID
```
  ここで、MEMBER_ID は障害が発生した etcd レプリカ Pod の 16 進数のメンバー ID です。
2. 失敗したレプリカノードと同じ名前とピア URL で、新しいメンバーを追加します。
```
etcdctl member add MEMBER_NAME --peer-urls=https://MEMBER_NAME.kube-etcd:2380
```
  ここで、MEMBER_NAME は失敗した kube-etcd レプリカノードの ID です。たとえば、kube-etcd-1 や kube-etcd2 です。
ユーティリティ Pod のデプロイの手順 1～3 に沿って、管理クラスタにユーティリティ Pod を作成します。この Pod は、ユーザークラスタで失敗した etcd メンバーの PersistentVolume（PV）にアクセスするために使用されます。

ユーティリティ Pod 内の etcd データディレクトリをクリーンアップします。

kubectl --kubeconfig ADMIN_CLUSTER_KUBECONFIG exec -it -n USER_CLUSTER_NAME etcd-utility-MEMBER_NUMBER -- /bin/bash -c 'rm -rf /var/lib/etcd/*'

ユーティリティ Pod を削除します。

kubectl --kubeconfig ADMIN_CLUSTER_KUBECONFIG delete pod -n USER_CLUSTER_NAME etcd-utility-MEMBER_NUMBER

失敗したノードの閉鎖を解除します。

kubectl --kubeconfig ADMIN_CLUSTER_KUBECONFIG uncordon NODE_NAME

テキストエディタで kube-etcd StatefulSet を開きます。

kubectl --kubeconfig ADMIN_CLUSTER_KUBECONFIG -n USER_CLUSTER_NAME edit statefulset kube-etcd

--initial-cluster-state フラグの値を existing に変更します。

containers:
    - name: kube-etcd
      ...
      args:
        - --initial-cluster-state=existing
      ...

手順 1 で削除された etcd PDB を復元します。

kubectl --kubeconfig ADMIN_CLUSTER_KUBECONFIG apply -f /path/to/etcdpdb.yaml