计算节点 Host 服务问题排查
Host服务可能因为各种原因启动失败，现象为Host服务重启之后，在云平台宿主机列表，宿主机的状态一直为离线。
本文介绍一般的排查问题的思路。
Host服务对应容器Pod介绍
首先，我们需要了解Host服务对应的Pod。
Host服务由k8s的onecloud命名空间下的Daemonset default-host定义，在每个节点上都会运行一个名为 default-host-xxxxx 的容器，其中 xxxxx 为随机的字符串。
default-host pod中有三个容器：
| 容器名称 | 功能 |
|---|---|
| host | Host服务的主服务进程，实现和控制器的通信，控制qemu虚拟机进程，管理存储和网络 |
| ovn-controller | ovn在每个节点的控制进程，从ovn-northd维护的数据库同步节点配置信息，并下发到ovs |
| sdnagent | 实现经典网络的安全组和流控，VPC网络辅助ovn-controller实现VPC网络功能 |
定位宿主机的host容器
通过如下命里找到在指定宿主机上运行的Host容器
kubectl -n onecloud get pods -o wide | grep <ip_of_host>
例如：
# kubectl -n onecloud get pods -o wide | grep office-03-host01
default-host-xc2t5 3/3 Running 0 4h7m 192.168.222.3 office-03-host01 <none> <none>
default-host-deployer-zv6tk 1/1 Running 0 5d15h 10.40.33.249 office-03-host01 <none> <none>
default-host-image-cql69 1/1 Running 132 128d 192.168.222.3 office-03-host01 <none> <none>
default-telegraf-q8fl9 2/2 Running 40 128d 192.168.222.3 office-03-host01 <none> <none>
这几个Pod的功能解释如下：
| Pod | 说明 |
|---|---|
| default-host-xxxxx | DaemonSet default-host 的pod |
| default-host-deployer-xxxxx | DaemonSet default-host-deployer 的pod，实现虚拟机磁盘的初始化和识别 |
| default-host-image-xxxxx | DaemonSet default-host-image 的pod，实现本地虚拟机磁盘的读取 |
| default-telegraf-xxxxx | DaemonSet default-telegraf 的pod，实现宿主机的监控数据采集 |
重启Host服务
有时候，重启就能解决问题，重启host服务只需要删除对应的pod，k8s会立即重建对应pod，实现host服务的重启.
kubectl -n onecloud delete pods default-host-xxxxx
查看Host服务的日志
采用如下命令查看Host服务的日志。由于host pod中有三个容器，因此需要用 -c 参数指定容器（-c host）。
# 查看 host 服务本次启动所有的日志
$ kubectl -n onecloud logs default-host-xxxxx -c host
# 查看从过去10分钟开始（--since 10m）的host容器的日志，并且不退出（-f），持续输出日志到控制台
$ kubectl -n onecloud logs default-host-xxxxx -c host --since 10m -f
Host服务在启动时会执行如下检查：
- 设置和优化内核参数，例如io调度器参数
- 检查关键软件，例如qemu，内核nbd模块，openvswitch等
- 初始化并配置网络
- 初始化并配置存储
- ...
在每一步都可能出错，此时可以通过查看输出日志，定位原因。
常见问题
宿主机安装Host服务完成后，默认处于禁用状态，需要启用后使用。宿主机启用方法如下：
-
在云管平台的宿主机列表中启用该宿主机；
-
在控制节点使用climc命令启用该宿主机；
$ climc host-enable id
Host服务为什么会变成离线？
region的HostPingDetectionTask将超过3分钟未收到ping的host服务置为offline，并将宿主机上的虚拟机状态设置为unknown。
宿主机的Host服务启动失败，且报错“Fail to get network info：no networks”，该怎么解决？
该问题一般是没有为宿主机网卡的IP地址注册IP子网，云平台根据此信息判断宿主机对接的二层网络信息。为解决这个问题，需要在云管平台为宿主机创建一个包含宿主机IP地址的IP子网或使用climc命令在控制节点创建一个网络。
$ climc network-create bcast0 host02 10.168.222.226 10.168.222.226 24 --gateway 10.168.222.1
宿主机MAC改变会导致Host服务离线，需要更改宿主机在平台注册的MAC地址，具体步骤如下
-
例如，宿主机IP地址为100.91.1.22，其MAC从18:9b:a5:81:4f:17变为18:9b:a5:81:4f:16
# 092231af-eebc-456f-8a21-3ab7c944f20c为宿主机id，97e29a73-6615-4d5b-8b67-96bb13b80b90为宿主机所在二层网络的id
$ climc host-remove-netif 092231af-eebc-456f-8a21-3ab7c944f20c 18:9b:a5:81:4f:17
$ climc host-add-netif --ip 100.91.1.22 092231af-eebc-456f-8a21-3ab7c944f20c 97e29a73-6615-4d5b-8b67-96bb13b80b90 18:9b:a5:81:4f:16 0
宿主机网卡刚开始没有做bonding，做了bonding之后，如何不重启宿主机变更配置？
假设刚开始宿主机用物理网卡 eth0 作为管理网网卡接入云平台，其IP地址为192.168.201.20。对应/etc/yunion/host.conf配置为：
networks:
- eth0/br0/192.168.201.20
云平台部署完成后，管理员将 eth0 和 eth1 绑定设置为 bond0，IP地址仍然是 192.168.201.20，则需要修改 /etc/yunion/host.conf 配置为：
networks:
- bond0/br0/192.168.201.20
由于openvswitch会记忆配置在ovsdb中，此时，网桥br0已经将eth0加入，如果不做配置，则br0依然还会将eth0加入网桥。因此需要手动将eth0从br0删除：
ovs-vsctl del-port br0 eth0
此时，为了让配置生效，比较简便的方法是重启宿主机。
如果宿主机不方便重启，则需要手动执行以下操作：
1、拉起bond0
首先确保bond0的配置(/etc/sysconfig/network-scripts/ifcfg-bond0,ifcfg-eth0,ifcfg-eth1)已经正确配置。重启网络：
systemctl restart network
2、清除bond0上的IP地址
重启网络后，IP地址配置在bond0上，同时br0上也有同样的IP地址。则需要清除bond0的IP：
ifconfig bond0 0
3、将eth0从br0移除，并将bond0加入br0
ovs-vsctl del-port br0 eth0
ovs-vsctl add-port br0 bond0
存储介质识别不准，例如机械盘识别成固态
例如用户使用SSD 做lvmcache 等情况，可能造成宿主机本地存储介质识别不准，可自行前往对应宿主机->存储->对应存储介质 修改属性，选择介质类型修改即可。
禁用 dhcp 服务
如果你看到了这样的提示：dhcp: dhcp client is enabled before host agent start, please disable it.
说明你的机器之前启用过dhcp client.
如何禁用 dhcp client：
# 一般 centos7 的 dhcp client 都是由 NetworkManager 启动的
$ systemctl disable NetworkManager --now
# 我们会检查 /var/run/dhclient-<nic>.pid 下是否有dhclient的pid文件来决定是否要输出 warning
# 所以同时你需要清除 /var/run 下的 dhclient-<nic>.pid 文件, nic 需要替换成自己的网卡名，如 eth0
$ rm -f /var/run/dhclient-<nic>.pid