对高弹性环境执行故障切换测试

Cloud Composer 1 |Cloud Composer 2 |Cloud Composer 3

本页面介绍了如何针对以下实例执行数据库和集群故障切换测试： 高弹性环境。

针对环境的故障切换测试会模拟 数据中心。在这种情况下，如果可用区级服务中断，可用区级服务中断 可能会同时发生数据库中断通过执行 您可以监控高弹性环境的性能 并检查这对您的 DAG 和任务有何影响。

准备工作

  • 如需执行故障切换测试，您的账号必须具有以下角色和权限：

    • composer.environments.update 权限。请参阅 使用 IAM 进行访问权限控制 查看具有此权限的角色列表。

    • Kubernetes Engine 集群管理员 (roles/container.clusterAdmin) 角色可在环境的集群上运行 kubectl 命令。作为 作为替代方案 Kubernetes RBAC 角色 GKE

  • 如果您使用的是授权网络，并且您的 必须在可访问kubectl GKE 集群的控制平面端点。这取决于 设置对环境控制平面端点的访问权限 可以使用多个选项如需了解详情，请参阅 在专用 IP 环境中运行命令。

检查您的环境是否正常运行

确保仅在 健康环境

如需检查您的环境是否正常运行，请执行以下操作：

  1. 在 Google Cloud 控制台中，前往环境页面。

    转到“环境”

  2. 在环境列表中，点击您的环境名称。环境详情页面会打开。

  3. 转到监控标签页。

  4. 确保所有健康指标均为绿色。

执行数据库故障切换测试

您可以通过以下方式执行数据库故障切换测试（模拟可用区级服务中断）： 使用 Google Cloud CLI 命令触发它例如，您可能希望 来衡量环境的数据库所花费的时间 切换到另一个可用区

如需为您的环境执行数据库故障切换测试，请执行以下操作：

  1. 确保您的环境健康状况良好。

  2. 获取环境数据库的主可用区：

    gcloud composer environments fetch-database-properties \
    ENVIRONMENT_NAME \
    --location LOCATION

    替换以下内容：

    • ENVIRONMENT_NAME：您的 Cloud Composer 环境的名称。
    • LOCATION：环境所在的区域。

    示例：

    gcloud composer environments fetch-database-properties \
    example-environment \
    --location us-central1

  3. 启动数据库故障切换测试：

    gcloud composer environments database-failover \
    ENVIRONMENT_NAME \
    --location LOCATION

    替换以下内容：

    • ENVIRONMENT_NAME：您的 Cloud Composer 环境的名称。
    • LOCATION：环境所在的区域。

    示例：

    gcloud composer environments database-failover \
    example-environment \
    --location us-central1

  4. 等待数据库故障切换测试完成。该过程可能会占用 到 3 分钟

  5. 检查环境数据库的主要可用区是否已更改：

    gcloud composer environments fetch-database-properties \
    ENVIRONMENT_NAME \
    --location LOCATION

  6. 请检查环境的运行状况指标，确保 您的环境健康状况良好。

  7. 在以下情况下，环境的数据库已准备好进行另一次故障切换： 可用于故障切换的数据库 (composer.googleapis.com/environment/database/available_for_failover) 环境指标会变为 True。如需详细了解如何查看您的 环境指标，请参阅 监控环境。

执行环境的集群故障切换测试

您可以为环境的集群执行故障切换测试，该测试 模拟可用区级服务中断例如，您可能想要衡量 您的环境切换到另一个可用区所用的时间。

检查您的环境是否正常运行

在开始测试之前，请确保 您的环境健康状况良好。

为环境的集群配置凭据

如需获取集群凭据，请执行以下操作：

  1. 在 Google Cloud 控制台中，前往环境页面。

    转到“环境”

  2. 在环境列表中，点击您的环境名称。环境详情页面会打开。

  3. 转到环境配置标签页。

  4. 点击查看集群详情。

  5. 点击连接。

  6. 复制并执行显示的 Google Cloud CLI 命令。

    例如：

    gcloud container clusters get-credentials \
  us-central1-exam-db23ee12-gke \
  --region us-central1 \
  --project example-project

检查环境的集群

检查在环境的集群中运行工作负载的可用区和节点。 之后，您可以使用此信息来模拟可用区级服务中断。你还可以 同时执行故障切换测试，以了解 环境的集群会执行故障切换。

  1. 检查节点和可用区：

    kubectl get nodes \
  -o=custom-columns=NAME:.metadata.name,NODE:.metadata.labels.topology\\.gke\\.io/zone

  2. 检查 Pod：

    kubectl get pods --all-namespaces \
-o=custom-columns=NAME:.metadata.name,STATUS:.status.phase,NODE:.spec.nodeName \
--field-selector metadata.namespace!=kube-system

  3. 查看有关 Pod 的更多详细信息：

    kubectl get pods --all-namespaces -o wide \
--field-selector metadata.namespace!=kube-system

排空节点

选择您要模拟服务中断情况的可用区。如果将集群 将故障切换测试与数据库故障切换测试结合使用， 建议您为自己的环境选择 高可用性 Cloud SQL 实例。 例如，如果 Cloud SQL 主实例在 us-central1-a 中运行， 那么您可以先模拟整个 us-central1-a 可用区的服务中断情况 执行数据库故障切换测试，然后在 us-central1-a.

以下命令模拟了一组节点在 特定可用区它会强制将 Pod 从指定可用区内的节点中逐出，并且 会阻止在这些节点上重新调度 Pod。因为新 Pod 不能 系统会向集群中添加新节点

此命令不会影响在 composer-system 中运行的工作负载 命名空间。您可能会在命令输出中看到相关的错误消息。这个 不会影响故障切换测试。所选可用区中存在的节点 都仍被标记为不可调度

如需模拟所选可用区中的集群可用区故障，请执行以下操作：

kubectl get nodes -o name -l "topology.gke.io/zone=ZONE" | \
xargs kubectl drain \
--ignore-daemonsets --delete-emptydir-data --force --disable-eviction

替换以下内容：

  • ZONE：您要在其中模拟集群可用区故障的可用区。

检查环境指标

<ph type="x-smartling-placeholder"></ph> 模拟可用区服务中断期间的环境指标
图 1.模拟可用区服务中断期间的环境指标（点击可放大）
<ph type="x-smartling-placeholder">
    </ph>

  1. 在 Google Cloud 控制台中，前往环境页面。

    转到“环境”

  2. 在环境列表中，点击您的环境名称。环境详情页面会打开。

  3. 转到监控标签页。

  4. 检查以下指标是否为“绿色”在故障切换期间 操作，还是保持“红色”状态最多持续几分钟。

    • 环境运行状况
    • 调度程序检测信号
    • Web 服务器运行状况
    • 数据库运行状况
    • 活跃工作器数
    • 活跃调度器数
    • 活跃 Web 服务器数
    • 有效触发器

    请注意，模拟服务中断已标记为“集群维护” 操作”。

  5. 您无需执行任何额外操作即可返回环境的 并在测试后执行故障切换就绪性任务。在测试期间， 环境的集群会自动添加新节点来替换现有节点 可能受到了这次模拟服务中断的影响

后续步骤