Seminar Longhorn Hochverfügbarkeit und Replica-Rebuild

Hochverfügbarkeit entsteht aus korrekter Replikatplatzierung, ausreichender Trennung von Fehlerdomänen und einem kontrollierten Wiederaufbau.

Anhand gezielter Ausfälle wird geprüft, wie Volumes degradieren, weiterarbeiten und wieder gesund werden. Auto Balance, Data Locality, Rebuild-Qualität und Wartungsprozesse werden gemeinsam betrachtet.

Inhaltsübersicht

1. Fehlerdomänen modellieren
2. Replica Scheduling prüfen
3. Auto Balance und Data Locality
4. Knotenfehler simulieren
5. Replica-Rebuild steuern
6. Kapazitätsreserve sichern
7. Wartung und Eviction
8. HA-Betriebsstandard

Zielsetzung

Die Schulung verfolgt folgende fachliche und betriebliche Ziele:

• Replikate über Knoten, Datenträger und Zonen sinnvoll verteilen.
• Fehlerzustände und Degradierung korrekt bewerten.
• Rebuild-Verfahren und Qualitätsgrenzen kontrolliert konfigurieren.
• Knotenwartung und Ausfälle ohne vermeidbaren Datenverlust durchführen.

Lernmodule und praktische Übungen

1. Fehlerdomänen modellieren

Verfügbarkeit wird zunächst als Platzierungsproblem betrachtet.

1. Schritt 1: Knoten, Datenträger, Racks und Zonen als Fehlerdomänen erfassen.
2. Schritt 2: Replikatanzahl und tolerierbare Fehler rechnerisch ableiten.
3. Schritt 3: Tags, Labels und Anti-Affinität für ein Beispieldesign festlegen.
4. Schritt 4: Gemeinsame Hardware- und Versorgungsabhängigkeiten dokumentieren.

2. Replica Scheduling prüfen

Die tatsächliche Platzierung wird mit dem Zielmodell verglichen.

1. Schritt 1: Scheduling-Regeln und freie Kapazität je Knoten auslesen.
2. Schritt 2: Replikate eines Volumes den Fehlerdomänen zuordnen.
3. Schritt 3: Ungeplante Konzentration und blockierte Platzierung erkennen.
4. Schritt 4: Tags, Reserven oder Datenträgerfreigaben kontrolliert korrigieren.

3. Auto Balance und Data Locality

Automatische Optimierung wird nur mit klaren Zielregeln aktiviert.

1. Schritt 1: Betriebsarten von Replica Auto Balance vergleichen.
2. Schritt 2: Data Locality für latenzkritische Workloads bewerten.
3. Schritt 3: Auswirkungen auf Netzverkehr und Rebuild-Last messen.
4. Schritt 4: Änderungen zunächst an ausgewählten Testvolumes erproben.

4. Knotenfehler simulieren

Ein kontrollierter Ausfall zeigt das Zusammenwirken von Kubernetes und Longhorn.

1. Schritt 1: Workload und Volumezustand vor dem Test dokumentieren.
2. Schritt 2: Einen Knoten geordnet und anschließend ungeordnet ausfallen lassen.
3. Schritt 3: Pod-Neustart, Engine-Verschiebung und Replica-Status beobachten.
4. Schritt 4: Anwendungsverfügbarkeit und Datenstand nach dem Failover prüfen.

5. Replica-Rebuild steuern

Der Wiederaufbau wird nach Ursache, Quelle und Lastprofil bewertet.

1. Schritt 1: Fast und Offline Replica Rebuilding unterscheiden.
2. Schritt 2: Gesunde Quelle und regelkonformes Ziel auswählen.
3. Schritt 3: Rebuild-QoS und Parallelität auf die Infrastruktur abstimmen.
4. Schritt 4: Fortschritt, Fehler und resultierende Integrität überwachen.

6. Kapazitätsreserve sichern

Rebuild benötigt zusätzlichen Platz und freie Ressourcen.

1. Schritt 1: Reserved Space und Mindestfreiheit festlegen.
2. Schritt 2: Worst-Case-Bedarf bei Knotenverlust berechnen.
3. Schritt 3: Warnschwellen für Datenträger und Snapshotwachstum definieren.
4. Schritt 4: Rebuild unter künstlich knapper Kapazität testen.

7. Wartung und Eviction

Geplante Arbeiten werden ohne unnötigen Rebuild organisiert.

1. Schritt 1: Knoten und Datenträger für Scheduling deaktivieren.
2. Schritt 2: Replikate kontrolliert mit Eviction verlagern.
3. Schritt 3: Kubernetes-Drain und Longhorn-Zustand koordinieren.
4. Schritt 4: Ressourcen nach Wartung wieder freigeben und Verteilung prüfen.

8. HA-Betriebsstandard

Die technischen Einstellungen werden in prüfbare Regeln überführt.

1. Schritt 1: Mindestgesundheit vor Wartung und Upgrade definieren.
2. Schritt 2: Alarme für degradierte Volumes und fehlgeschlagene Rebuilds festlegen.
3. Schritt 3: Regelmäßige Ausfalltests und Kapazitätsprüfungen terminieren.
4. Schritt 4: Runbook für Knotenverlust, Rebuild und Eskalation abschließen.

Zielgruppe

Kubernetes- und Storage-Administration, Site Reliability Engineering und Plattformbetrieb mit Hochverfügbarkeitsanforderungen.

Voraussetzungen

Praktische Longhorn-Grundkenntnisse, sicherer Umgang mit Kubernetes-Knoten, PVCs und Workloads sowie Verständnis verteilter Systeme.

Methodik

Die Inhalte werden durch fachliche Einordnung, Live-Demonstrationen, angeleitete Schrittfolgen und eigenständige Laborübungen vermittelt. Jeder Themenblock endet mit einer technischen Kontrolle anhand definierter Sollzustände.