并行升级后，发现 Ceph 集群处于降级状态

并行升级后 Rook-Ceph 降级状态的解决方案，包括管理器故障转移过程。

描述

有时，在并行升级后，Rook-ceph 应用程序在 ArgoCD 门户中进入“同步失败”状态。这是由于上游 Ceph 问题。

要确定状态降级的原因，请运行以下命令：

kubectl -n rook-ceph exec deploy/rook-ceph-tools -- ceph -s

如果您收到类似于以下示例的输出，则问题与 Rook-Ceph 运行状况有关：

  cluster:
    id:     936b2e58-1014-4237-b2a5-6e95449a9ce8
    health: HEALTH_ERR
            Module 'devicehealth' has failed: disk I/O error

  services:
    mon: 3 daemons, quorum a,b,c (age 11h)
    mgr: b(active, since 37h), standbys: a
    osd: 3 osds: 3 up (since 37h), 3 in (since 37h)
    rgw: 2 daemons active (2 hosts, 1 zones)

  data:
    pools:   8 pools, 225 pgs
    objects: 53.57k objects, 26 GiB
    usage:   80 GiB used, 688 GiB / 768 GiB avail
    pgs:     225 active+clean

  io:
    client:   561 KiB/s rd, 61 KiB/s wr, 316 op/s rd, 123 op/s wr

解决方案

要解决此问题，请执行以下步骤：

1. 在输出代码片段中，识别处于活动状态的“Manager mgr”服务。在提供的示例中，mgr: b 被标记为活动。

2. 要确定确切的 Pod 名称，请运行以下命令：

   kubectl -n rook-ceph get pods | grep "rook-ceph-mgr-<active-manager-name>"
   

   该命令应返回类似于以下示例的输出，其中 rook-ceph-mgr-b-6d7bdb4b54-zz47v 是管理器 Pod 名称：

   rook-ceph-mgr-b-6d7bdb4b54-zz47v 0/1 Init:0/1 0 3h55m
   

3. 通过运行以下命令删除活动管理器：

   kubectl -n rook-ceph delete pod <active-manager-pod-name>
   
   // for example: kubectl -n rook-ceph delete pod rook-ceph-mgr-b-6d7bdb4b54-zz47v
   

删除活动管理器会强制其重新启动，从而将 Ceph 集群状态转变为“正常运行”。