运维与故障处理

项目	内容
状态	Review；命令待实现后演练
最后更新	2026-09-10

日常检查

先看 API 合同，而不是从日志猜状态：

kubectl get postgresqlinstances
kubectl get postgresqltenants -A
kubectl get postgresqltenant -n <namespace> <name> -o yaml
kubectl describe postgresqltenant -n <namespace> <name>

随后检查 controller 日志、ExternalSecret/Secret、OpenBao metadata、registry 和 PostgreSQL catalog。排障时不得把 Secret data 或带 Token 的请求粘贴到 issue/日志。 status.phase 是 controller 状态机 checkpoint，也用于定位当前步骤；Ready Condition/Reason 用于判断对外结果。phase 不能替代外部事实，清空或不一致时应由 controller 自动重建/纠正。

常见 Reason

Reason	首要检查
`InvalidSpec` / `ImmutableField`	API 字段、identifier、不可变/只追加约束
`DependencyUnavailable`	网络、DNS、服务状态和超时
`AuthenticationFailed`	管理凭据、CA、DNS/IP SAN、OpenBao auth
`InsufficientPrivileges`	PostgreSQL grants、OpenBao policy、Kubernetes RBAC
`InstanceNotReady`	先恢复所引用 Instance
`Conflict`	registry UID、同名 DB/role、OpenBao metadata；禁止直接覆盖
`CredentialProjectionFailed`	ClusterSecretStore、ExternalSecret Condition、目标 Secret
`ProvisioningFailed`	`status.phase` 及对应外部资源的回读结果

修复依赖后让正常 reconcile 自动重试。不要通过删除/重建 CR 规避 Conflict；新 UID 只会使已有保留资源继续冲突。

Retain 后的资源

Retain 删除完成后，database、role、OpenBao record 和 registry 所有权记录仍存在但标记 unmanaged。v1alpha1 不支持重新关联。需要恢复管理时，使用 migration.md 把数据迁移到一个全新受管名称；不要手工把 registry UID 改成新 CR UID。

Delete 卡住

暂停应用写入并记录 Tenant UID、Instance UID、database、role 和 Bao path。
从 registry 和 OpenBao metadata 独立确认所有权。
检查删除阶段，修复 PostgreSQL/OpenBao/ESO 依赖，让 controller 继续。
若依赖永久丢失，列出每个可能残留的 database、role、KV metadata 和 Secret。
只有确认接受这些残留后，才人工移除 finalizer。

最终 finalizer 名称由 API 实现固定后补入命令。人工移除 finalizer不会执行剩余清理，也不会把外部资源变成可由新 CR 接管的资源。

备份与恢复

PostgreSQL VM/磁盘备份必须与数据库一致性策略配套；仅复制在线磁盘不自动等于有效 PostgreSQL 备份。
PostgreSQL 备份必须包含管理 database 中的 controller registry。
OpenBao 使用独立的受支持备份/快照流程，且恢复点应与 PostgreSQL 尽量接近。
Kubernetes 侧备份 CR、controller 配置、ClusterSecretStore 和公开 CA bundle，不备份明文 Secret 作为凭据事实来源。
定期在隔离环境执行恢复演练，验证 registry、KV metadata、应用登录及 Retain/Delete。

恢复后先停止 controller，核对 PostgreSQL/OpenBao 时间点与 UID 映射，再启动单副本 controller 观察；出现一侧存在、一侧缺失时不得手工生成新密码或改 registry，应先按 Conflict 处理并决定恢复哪一侧。

升级与紧急停止

有疑似越权删除或凭据泄漏时，先把 controller Deployment scale 到 0，保留 CR、registry 和日志证据，再撤销 OpenBao token/role 并限制 PostgreSQL 管理 role。恢复前在隔离环境复现并确认不会扩大破坏。一般依赖故障无需 scale down，最终一致性会自动重试。

3.7 KiB Raw Permalink Blame History