Cassandra 问题排查指南

本主题讨论您可以采取哪些措施来排查和解决 Cassandra 数据存储区的问题。Cassandra 是一种永久性数据存储区，在 Hybrid 运行时架构的 cassandra 组件中运行。另请参阅运行时服务配置概览。

Cassandra pod 卡在“待处理”状态

症状

启动时，Cassandra pod 将保持待处理状态。

错误消息

使用 kubectl 查看 pod 状态时，您会看到一个或多个 Cassandra pod 卡在 Pending 状态。Pending 状态表示 Kubernetes 无法调度节点上的 pod：无法创建 pod。例如：

kubectl get pods -n namespace

NAME                                     READY   STATUS      RESTARTS   AGE
adah-resources-install-4762w             0/4     Completed   0          10m
apigee-cassandra-default-0                       0/1     Pending     0          10m
...

可能的原因

Pod 卡在“待处理”状态可能有多种原因。例如：

原因	说明
资源不足	没有足够的 CPU 或内存来创建 pod。
未创建卷	pod 正在等待创建永久性卷。

诊断

使用 kubectl 描述 pod 以确定错误来源。例如：

kubectl -n namespace describe pods pod_name

例如：

kubectl -n apigee describe pods apigee-cassandra-default-0

输出可能显示以下可能的问题之一：

如果问题是资源不足，您将看到一条警告消息，指示 CPU 或内存不足。
如果错误消息指出 pod 存在未绑定的即时 PersistentVolumeClaim (PVC)，则表示 pod 无法创建其永久性卷。

解决方法

资源不足

修改 Cassandra 节点池，使其具有足够的 CPU 和内存资源。如需了解详情，请参阅调整节点池的大小。

未创建永久性卷

如果您确定是永久性卷问题，请描述 PersistentVolumeClaim (PVC) 以确定为什么不创建它：

列出集群中的 PVC：

kubectl -n namespace get pvc

NAME                                STATUS   VOLUME                                     CAPACITY   ACCESS MODES   STORAGECLASS   AGE
cassandra-data-apigee-cassandra-default-0   Bound    pvc-b247faae-0a2b-11ea-867b-42010a80006e   10Gi       RWO            standard       15m
...

描述失败的 pod 的 PVC。例如，以下命令描述了绑定到 pod apigee-cassandra-default-0 的 PVC：

kubectl apigee describe pvc cassandra-data-apigee-cassandra-default-0

Events:
  Type     Reason              Age                From                         Message
  ----     ------              ----               ----                         -------
  Warning  ProvisioningFailed  3m (x143 over 5h)  persistentvolume-controller  storageclass.storage.k8s.io "apigee-sc" not found

请注意，在此示例中，名为 apigee-sc 的 StorageClass 不存在。要解决此问题，请在集群中创建缺失的 StorageClass，如更改默认 StorageClass 中所述。

另请参阅调试 pod。

Cassandra pod 卡在 CrashLoopBackoff 状态

症状

启动时，Cassandra pod 保持 CrashLoopBackoff 状态。

错误消息

使用 kubectl 查看 pod 状态时，您会看到一个或多个 Cassandra pod 处于 CrashLoopBackoff 状态。此状态表示 Kubernetes 无法创建 pod。例如：

kubectl get pods -n namespace

NAME                                     READY   STATUS            RESTARTS   AGE
adah-resources-install-4762w             0/4     Completed         0          10m
apigee-cassandra-default-0                       0/1     CrashLoopBackoff           0          10m
...

可能的原因

pod 卡在 CrashLoopBackoff 状态可能有多种原因。例如：

原因	说明
数据中心与之前的数据中心不同	此错误表示 Cassandra pod 具有永久性卷，该卷包含来自上一个集群的数据，并且新 pod 无法加入旧集群。如果过时的永久性卷来自同一 Kubernetes 节点上之前的 Cassandra 集群，通常会发生这种情况。如果您在集群中删除 Cassandra 并重新创建，则可能会出现此问题。
找不到 Truststore 目录	此错误表示 Cassandra pod 无法创建 TLS 连接。如果提供的密钥和证书无效、缺失或存在其他问题，通常会发生这种情况。

诊断

检查 Cassandra 错误日志以确定问题的原因。

列出 pod 以获取失败的 Cassandra pod 的 ID：
```
kubectl get pods -n namespace
```
检查失败的 pod 的日志：
```
kubectl logs pod_id -n namespace
```

解决方法

在 pod 的日志中查找以下线索：

数据中心与之前的数据中心不同

如果您看到此日志消息：

Cannot start node if snitch's data center (us-east1) differs from previous data center

检查集群中是否有任何过时的或旧的 PVC，然后删除它们。

如果是全新安装，请删除所有 PVC，然后重试设置。例如：

kubectl -n namespace get pvc
kubectl -n namespace delete pvc cassandra-data-apigee-cassandra-default-0

找不到 Truststore 目录

如果您看到此日志消息：

Caused by: java.io.FileNotFoundException: /apigee/cassandra/ssl/truststore.p12
(No such file or directory)

请验证替换文件中提供的密钥和证书是否正确且有效。例如：

cassandra:
  sslRootCAPath: path_to_root_ca-file
  sslCertPath: path-to-tls-cert-file
  sslKeyPath: path-to-tls-key-file

节点故障

症状

启动时，Cassandra pod 将保持“待处理”状态。此问题可能表示底层节点故障。

诊断

确定哪些 Cassandra pod 没有运行：

$ kubectl get pods -n your_namespace
    NAME          READY   STATUS    RESTARTS   AGE
    cassandra-default-0   0/1     Pending   0          13s
    cassandra-default-1   1/1     Running   0          8d
    cassandra-default-2   1/1     Running   0          8d

检查工作器节点。如果一个节点处于 NotReady 状态，则表示该节点发生故障：

kubectl get nodes -n your_namespace
NAME                          STATUS   ROLES    AGE   VERSION
ip-10-30-1-190.ec2.internal   Ready    <none>   8d    v1.13.2
ip-10-30-1-22.ec2.internal    Ready    master   8d    v1.13.2
ip-10-30-1-36.ec2.internal    NotReady <none>   8d    v1.13.2
ip-10-30-2-214.ec2.internal   Ready    <none>   8d    v1.13.2
ip-10-30-2-252.ec2.internal   Ready    <none>   8d    v1.13.2
ip-10-30-2-47.ec2.internal    Ready    <none>   8d    v1.13.2
ip-10-30-3-11.ec2.internal    Ready    <none>   8d    v1.13.2
ip-10-30-3-152.ec2.internal   Ready    <none>   8d    v1.13.2
ip-10-30-3-5.ec2.internal     Ready    <none>   8d    v1.13.2

解决方法

从集群中移除失效 Cassandra pod。

$ kubectl exec -it apigee-cassandra-default-0 -- nodetool status
$ kubectl exec -it apigee-cassandra-default-0 -- nodetool removenode deadnode_hostID

从失效节点中移除 VolumeClaim，以防止 Cassandra pod 因亲和性而尝试登录到失效节点上：
```
kubectl get pvc -n your_namespace
kubectl delete pvc volumeClaim_name -n your_namespace
```

更新卷模板并为新添加的节点创建 PersistentVolume。以下是一个卷模板示例：

apiVersion: v1
kind: PersistentVolume
metadata:
  name: cassandra-data-3
spec:
  capacity:
    storage: 100Gi
  accessModes:
  - ReadWriteOnce
  persistentVolumeReclaimPolicy: Retain
  storageClassName: local-storage
  local:
    path: /apigee/data
  nodeAffinity:
    "required":
      "nodeSelectorTerms":
      - "matchExpressions":
        - "key": "kubernetes.io/hostname"
          "operator": "In"
          "values": ["ip-10-30-1-36.ec2.internal"]

将值替换为新的主机名/IP，并应用模板：
```
kubectl apply -f volume-template.yaml
```