Cloud Composer 3 | Cloud Composer 2 | Cloud Composer 1
本页介绍了如何针对高度弹性环境执行数据库和集群故障切换测试。
环境的故障切换测试会模拟数据中心某个可用区完全停机的情况。在这种情况下，集群的可用区中断和数据库的可用区中断可能会同时发生。通过执行这两项故障切换测试，您可以监控高度弹性环境如何执行故障切换，并检查这对 DAG 和任务有何影响。
准备工作
如需执行故障转移测试，您的账号必须具有以下角色和权限：
composer.environments.update权限。如需查看具有此权限的角色列表，请参阅使用 IAM 进行访问权限控制。Kubernetes Engine Cluster Admin (
roles/container.clusterAdmin) 角色，用于在环境的集群上运行kubectl命令。或者，您也可以直接在 GKE 中预配 Kubernetes RBAC 角色。
如果您使用授权网络，则必须从可以访问 GKE 集群控制平面端点的机器运行
kubectl命令。您可以使用多种方法，具体取决于您设置对环境控制平面端点的访问权限的方式。如需了解详情，请参阅在专用 IP 环境中运行命令。
检查环境是否正常运行
请务必仅在健康的环境中执行数据库和环境的集群故障转移测试。
如需检查环境是否运行正常，请执行以下操作：
在 Google Cloud 控制台中，前往环境页面。
在环境列表中，点击您的环境名称。环境详情页面会打开。
转到监控标签页。
确保所有健康指标均为绿色。
执行数据库故障切换测试
您可以使用 Google Cloud CLI 命令触发数据库故障转移测试，以模拟可用区停机。例如，您可能需要这样做来衡量环境数据库切换到其他时区所需的时间。
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：
确保您的环境运行状况良好。
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等待数据库故障转移测试完成。此过程最多可能需要 3 分钟。
检查环境数据库的主区域是否已更改：
gcloud composer environments fetch-database-properties \ ENVIRONMENT_NAME \ --location LOCATION检查环境的运行状况指标，确保环境运行状况良好。
当可用于故障转移的数据库 (
composer.googleapis.com/environment/database/available_for_failover) 环境指标变为True时，您环境的数据库就准备好进行另一次故障转移。如需详细了解如何在 Cloud Monitoring 中查看环境的指标，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，以模拟区域服务中断。例如，您可能需要这样做来衡量环境切换到其他可用区所需的时间。
检查环境是否正常运行
在开始测试之前，请确保您的环境状况良好。
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：
在 Google Cloud 控制台中，前往环境页面。
在环境列表中，点击您的环境名称。环境详情页面会打开。
转到环境配置标签页。
点击查看集群详情。
点击连接。
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
检查工作负载在环境的集群中运行的可用区和节点。您稍后将使用此信息来模拟可用区服务中断。您还可以在执行故障切换测试时再次运行这些命令，以查看环境的集群如何执行故障切换。
检查节点和可用区：
kubectl get nodes \ -o=custom-columns=NAME:.metadata.name,NODE:.metadata.labels.topology\\.gke\\.io/zone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
选择要模拟中断的可用区。如果您将集群故障切换测试与数据库故障切换测试一起执行，则可能需要选择环境高可用性 Cloud SQL 实例的主可用区。例如，如果主 Cloud SQL 实例在 us-central1-a 中运行，则您可以先在 us-central1-a 中执行数据库故障切换测试，然后再执行集群的故障切换测试，以模拟整个 us-central1-a 可用区发生服务中断。
以下命令会模拟一组节点在特定可用区中变为不可用。它会强制从指定可用区的节点中驱逐 Pod，并阻止在这些节点上重新调度 Pod。由于无法调度新的 Pod，系统会向集群添加新的节点。
此命令不会影响在 composer-system 命名空间中运行的工作负载。您可能会在命令输出中看到相关错误消息。这不会影响故障切换测试。所选可用区中存在的节点仍会被标记为无法安排。
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：您要模拟集群可用区故障的区域。
查看环境指标
在 Google Cloud 控制台中，前往环境页面。
在环境列表中，点击您的环境名称。环境详情页面会打开。
转到监控标签页。
检查以下指标在故障转移操作期间是否为“绿色”，或者最多几分钟内是否保持“红色”状态。
- 环境运行状况
- 调度程序检测信号
- Web 服务器健康状况
- 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，模拟的服务中断会被标记为“集群维护操作”。
测试完成后，您无需执行任何其他操作即可将环境的集群恢复为故障切换就绪状态。在测试期间，环境的集群会自动添加新节点，以替换受模拟停机影响的节点。