故障公告docker swarm 集群问题造成新版博客后台故障

Posted 2020-11-22 cmt

非常抱歉，今天下午 16:55~17:05 左右，由于 docker swarm 集群的突发不稳定问题造成新版博客后台（目前处于灰度发布阶段）无法正常使用，由此给您带来麻烦，请您谅解。

出故障期时，新版博客后台的2个容器都无法正常启动。

AME                NODE                DESIRED STATE       CURRENT STATE 
i_web.1             prod-swarm-w3       Running             Assigned 5 minutes ago                       
i_web.2             prod-swarm-w4       Running             Assigned 2 hours ago       

发现问题后，我们进行了删除 stack 并重新部署的操作。

docker stack rm i
./deploy-production.sh 2.0.6

NAME                NODE                DESIRED STATE       CURRENT STATE
i_web.1             prod-swarm-w3       Running             Assigned 42 seconds ago                       
i_web.2             prod-swarm-w7       Running             Starting 42 seconds ago

重新部署后发现 prod-swarm-w7  节点上的容器可以正常启动，而 prod-swarm-w3 节点上的容器问题依旧，由此确认是 prod-swarm-w3 节点出了问题，于是立即卸载该节点。

docker node update --availability drain prod-swarm-w3

卸载后，新版博客后台很快恢复了正常。

我们已经决定用 k8s 取代 docker swarm ，但目前 k8s 集群还没部署好，在这即将与 docker swarm 说 88 的时刻，又被 docker swarm 坑了一次，都怪我们当时贪图省事，选对了集装箱（docker 容器）却上错了船（docker swarm），我们会深深吸取这次上错船的教训。