68 lines
3.9 KiB
Markdown
68 lines
3.9 KiB
Markdown
# 运维与故障处理
|
||
|
||
状态：设计合同，操作入口待 API 实现与隔离环境演练。日期：2026-09-24。
|
||
依据 [系统规格](specification.md)，不再查询或维护 PostgreSQL registry。
|
||
|
||
## 日常检查
|
||
|
||
先看 Instance、Database、Tenant 的 Ready Condition、绑定 UID、阶段与 observedGeneration，
|
||
再核对 PostgreSQL catalog、OpenBao metadata、ExternalSecret 与 Secret 投射状态。
|
||
具体 kubectl 资源名、finalizer 名称与人工确认字段在 API 实现后补齐，不提供猜测的 patch 命令。
|
||
不得把 Secret data、密码或带 Token 的请求粘贴到 issue/日志。
|
||
|
||
## 故障分类
|
||
|
||
| Reason/状态 | 首要检查 |
|
||
| --- | --- |
|
||
| InvalidSpec / ImmutableField | 请求、名称、不可变目标与只追加扩展约束 |
|
||
| DependencyUnavailable | 网络、DNS、服务状态和超时；恢复后退避重试 |
|
||
| AuthenticationFailed | 管理 Secret、TLS、OpenBao auth |
|
||
| InsufficientPrivileges | PostgreSQL/OpenBao 权限与 Kubernetes RBAC |
|
||
| InstanceNotReady | 当前目标的管理能力，不检查 registry |
|
||
| Conflict | 绑定 UID、未知同名资源、失败步骤与外部结果确定性 |
|
||
| CredentialProjectionFailed | 授权的凭据位置、Store、ESO 与目标 Secret |
|
||
| Released | 资源已保留，不代表可直接交给另一个 Tenant |
|
||
|
||
## 创建不确定或同名冲突
|
||
|
||
1. 保留 CR、绑定与安全诊断，不清空 status、不反复删除重建申请。
|
||
2. 核对确切 Instance/database/role 和凭据位置；区分已确认完成与结果不确定的操作。
|
||
3. 使用只读检查确认资源内容、使用者和权限，不通过重设密码来“验证归属”。
|
||
4. 管理员决定清理确定的残留后重试，或显式导入保留资源；涉及删除需另有明确授权。
|
||
5. 记录处理依据，再按 API 的受控入口恢复协调。
|
||
|
||
普通依赖故障可以自动继续，未知归属不得因后端恢复就自动认领。
|
||
controller 重启保留 Kubernetes 中的记录，不需要恢复第二套 registry。
|
||
|
||
## Retain 与重新绑定
|
||
|
||
Tenant 删除后 Database 及实际资源保留，进入 Released，保存旧绑定身份。
|
||
不要删除 Database 对象来“释放名称”，也不要只修改 UID 或 Ready 强行交付。
|
||
|
||
管理员先确认数据是否允许交给新使用者、旧角色是否共享、旧账号访问如何撤销或保留、
|
||
新使用者如何获得凭据，以及原 ExternalSecret/Secret 的处置。删除 Secret 不会撤销已持有密码
|
||
的 PostgreSQL 访问。完成这些处置后，才通过显式授权重新绑定；不自动回到可分配状态。
|
||
具体凭据关联与解除绑定字段尚待 API 评审，当前不能宣称已有可执行恢复命令。
|
||
|
||
## Delete 卡住
|
||
|
||
核对 Database/Instance/绑定身份、资源侧 Delete 授权及实际管理范围，修复相关依赖，
|
||
让 controller 从已确认的步骤继续。不要删除共享角色或未纳管凭据，不使用扩大范围的 CASCADE。
|
||
|
||
依赖永久丢失时列出每个可能残留的数据库、角色、凭据与投射。只有管理员接受残留与后续处置
|
||
责任后才人工移除确切对象的 finalizer。该操作不会完成清理，也不会授权新申请使用残留资源。
|
||
|
||
## 备份与恢复
|
||
|
||
分别备份 PostgreSQL 数据、Kubernetes 资源与绑定记录、OpenBao 数据及必要配置。
|
||
不再要求备份专用 registry。只复制在线磁盘不等于有效数据库备份；秘密备份必须加密并限制访问。
|
||
|
||
灾难恢复先暂停 controller，核对三者恢复点、UID、外部目标与凭据的一致性，再恢复协调。
|
||
不一致时按 Conflict 人工处理，不承诺仅凭外部同名数据库重建丢失绑定。
|
||
在隔离环境演练登录、导入、Retain、重新绑定与 Delete 后才能标记验证通过。
|
||
|
||
## 紧急停止
|
||
|
||
疑似越权删除或秘密泄漏时暂停 controller，保留 CR 与脱敏证据，限制相关管理身份权限，
|
||
在隔离环境复现并确认修复后恢复。一般依赖失败不需要停机。
|