Etcd集群备份及容灾恢复

Etcd集群备份及容灾恢复

在部署etcd集群时，建议使用基数个etcd实例，这样至少可以保证集群有(N-1)/2个实例是可以正常提供服务的。但是如果超过了(N-1)/2个实例故障。就需要使用备份的etcd数据对集群进行容灾恢复。

在我们生产环境部署的etcd集群是5节点，3个节点是本地sata盘，2个节点是ceph盘。本想使用这种方式为数据做HA的。但是由于ceph磁盘的IO很高(至少10ms以上)，经常导致集群不稳定(IO满导致机器假死,etcd实例还存活，但是网络不通)。所以后期直接全部切换到本地sata盘。

etcd 证书制作

由于v3版本的etcd证书是基于IP的，所以每次新增etcd节点都需要重新制作证书。 详情https://github.com/cloudflare/cfssl

备份etcd数据

只需要在单节点etcd上执行下面的命令就可以对etcd进行数据备份。我们是每两个小时备份一次数据，并上传到S3上，并保留最近两天的数据。

# mkdir -p /var/lib/etcd_backup/
# ETCDCTL_API=3 etcdctl snapshot  save /var/lib/etcd_backup/etcd_$(date "+%Y%m%d%H%M%S").db

 

恢复etcd数据(集群不可用，灾难恢复)

一、local恢复

1、首先需要停止master节点的kube-apiserver服务

# systemctl stop kube-apiserver

确保kube-apiserver已经停止了，执行下列命令返回值为0

# ps -ef|grep kube-api|grep -v grep |wc -l
0

 

2、停掉集群中的所有etcd服务

# systemctl stop etcd

确保所有etcd节点停止成功

# ps -ef|grep etcd|grep -v etcd|wc -l
0

3、移除所有etcd服务实例的数据目录

# mv /var/lib/etcd/default.etcd /var/lib/etcd/default.etcd_bak
 
# rm -f /var/lib/etcd/default.etcd_bak     // 可删除、可不删除，建议保留

 

4、拷贝备份好的tar包至所有etcd节点

 

mkdir /var/lib/etcd_backup                           // 若没有，创建etcd_backup目录；若有，则不用创建
cp $BACKUP_FILE_NAME.tar /var/lib/etcd_backup       // 拷贝tar包至etcd_backup目录
cd /var/lib/etcd_backup                              // 进入/var/lib/etcd_backup目录
tar -xzvf $BACKUP_FILE_NAME.tar                     // 解压备份的tar包

 

5、执行恢复命令，所有etcd节点依次执行

etcdctl snapshot restore /var/lib/etcd_backup/$BACKUP_FILE_NAME/etcd_snapshot.db \
--cacert=$ETCD_TRUSTED_CA_FILE \
--cert=$ETCD_CERT_FILE \
--key=$ETCD_KEY_FILE \
--name $ETCD_NAME \
--initial-cluster $ETCD_INITIAL_CLUSTER \
--initial-advertise-peer-urls $ETCD_INITIAL_ADVERTISE_PEER_URLS \
--data-dir=/var/lib/etcd/default.etcd

 

备注 ：vim /etc/etcd/etcd.conf，查看配置信息，以及所需字段：ETCD_TRUSTED_CA_FILE、ETCD_CERT_FILE、ETCD_KEY_FILE、ETCD_NAME、ETCD_INITIAL_CLUSTER、ETCD_INITIAL_ADVERTISE_PEER_URLS

6、修改etcd数据目录权限

chown -R etcd:etcd /var/lib/etcd/default.etcd;chmod -R 700 /var/lib/etcd/default.etcd

7、同时启动etcd集群的所有etcd实例

# systemctl start etcd

 

8、检查所有节点etcd健康状态

HOST_1=10.243.xxx.xxx
HOST_2=10.243.xxx.xxx
HOST_3=10.243.xxx.xxx
ETCD_ENDPOINTS=$HOST_1:2379,$HOST_2:2379,$HOST_3:2379
 
etcdctl \
-w table --cacert=/etc/kubernetes/ssl/ca.pem \
--cert=/etc/kubernetes/ssl/etcd.pem \
--key=/etc/kubernetes/ssl/etcd-key.pem \
--endpoints=${ETCD_ENDPOINTS} endpoint health

 

9、启动master节点的所有kube-apiserver服务

 

# systemctl start kube-apiserver
# systemctl status kube-apiserver

 

摘除etcd节点

向我们遇到的问题，需要将ceph节点的机器换成本地sata盘的机器，就需要先将部署在ceph上的etcd实例从集群中先摘除掉，然后在增加新的etcd实例到集群中。

1.查看etcd集群member信息

#etcdctl --ca-file=/etc/etcd/ssl/ca.pem --cert-file=/etc/etcd/ssl/etcd.pem --key-file=/etc/etcd/ssl/etcd-key.pem member list

 

2.根据member信息移除具体的etcd实例

#etcdctl --ca-file=/etc/etcd/ssl/ca.pem --cert-file=/etc/etcd/ssl/etcd.pem --key-file=/etc/etcd/ssl/etcd-key.pem member remove <member_id>

 

3.停止etcd集群中被移除的etcd实例

# systemctl stop etcd
# yum remove -y etcd-xxxx

 

4.查看etcd实例是否从集群中被移除

#etcdctl --ca-file=/etc/etcd/ssl/ca.pem --cert-file=/etc/etcd/ssl/etcd.pem --key-file=/etc/etcd/ssl/etcd-key.pem member list

 

新增etcd节点

在已经存在的etcd节点上执行如下命令，增加新的etcd节点到集群中。

# etcdctl --ca-file=/etc/etcd/ssl/ca.pem --cert-file=/etc/etcd/ssl/etcd.pem --key-file=/etc/etcd/ssl/etcd-key.pem member add <etcd_name> http://<etcd_node_address>:2380
ETCD_NAME=etcd01
ETCD_INITIAL_CLUSTER="etcd01=http://ip1:2380,etcd02=http://ip2:2380,etcd03=http://ip3:2380,etcd04=http://ip4:2380,etcd05=http://ip5:2380"
ETCD_INITIAL_CLUSTER_STATE="existing"

 

注意:

• etcd_name: etcd.conf配置文件中ETCD_NAME内容

• etdc_node_address: etcd.conf配置文件中的ETCD_LISTEN_PEER_URLS内容

此时新的etcd节点已经被加到了现有的etcd集群。修改新增加的etcd节点的配置文件/etc/etcd/etcd.conf， 将ETCD_INITIAL_CLUSTER修改成上面输出的内容，并增加相关的配置。

启动新的etcd节点:

# systemctl start etcd

 

并对已经存在的etcd节点的配置项ETCD_INITIAL_CLUSTER增加<new_etcd_node_name>=http://<new_etcd_node_address>:2380参数。并“同时”重启所有的etcd。

更新etcd节点

ETCDCTL_API=3 etcdctl member update  <member-ID> http://<etcd_node_address_ip>:2380

 

参考

https://www.maideliang.com/index.php/archives/25/

https://alexstocks.github.io/html/etcd.html