3. 版本漂移检测方法（一）：Monitor 版本一致性检查

在 Rook Ceph 集群运维中，版本漂移是最隐蔽的故障源之一。当集群中某个或某几个 Monitor 的容器镜像版本与其他 Monitor 不一致时，轻则导致选举超时、仲裁抖动，重则引发 quorum lost 甚至数据不可用。本节介绍最直接、最快速的漂移检测手段——通过 kubectl 检查 Monitor Pod 的镜像字段。

3.1 检测命令与输出解读

执行以下命令，列出所有 Monitor Pod 及其容器镜像信息：

kubectl -n rook-ceph get pods -l app=rook-ceph-mon \
  -o custom-columns=NAME:.metadata.name,IMAGE:.spec.containers[0].image,NODE:.spec.nodeName

正常输出示例（版本一致）：

NAME                              IMAGE                                          NODE
rook-ceph-mon-a-5d8f7c9b6c-xk2p  quay.io/ceph/ceph:v18.2.4                      k8s-node-1
rook-ceph-mon-b-7e4f2d1a3b-yt9m  quay.io/ceph/ceph:v18.2.4                      k8s-node-2
rook-ceph-mon-c-9a1b3c4d5e-fv8w  quay.io/ceph/ceph:v18.2.4                      k8s-node-3

异常输出示例（版本漂移）：

NAME                              IMAGE                                          NODE
rook-ceph-mon-a-5d8f7c9b6c-xk2p  quay.io/ceph/ceph:v18.2.4                      k8s-node-1
rook-ceph-mon-b-7e4f2d1a3b-yt9m  quay.io/ceph/ceph:v18.2.4                      k8s-node-2
rook-ceph-mon-c-9a1b3c4d5e-fv8w  quay.io/ceph/ceph:v17.2.7                    k8s-node-3

3.2 漂移检测流程

版本漂移检测应作为日常巡检的固定步骤，建议按以下流程执行：

1. 获取 Pod 列表：使用 kubectl -n rook-ceph get pods -l app=rook-ceph-mon 确认所有 Monitor Pod 均处于 Running 状态。
2. 提取镜像字段：通过 -o custom-columns 或 -o jsonpath 提取每个 Pod 的容器镜像。
3. 对比版本号：检查所有镜像的版本标签（如 v18.2.4）是否一致。
4. 记录漂移节点：若发现不一致，记录漂移 Pod 的名称、所在节点及错误版本。
5. 触发校准流程：根据漂移类型（单个 Pod 异常 / 多个 Pod 异常）执行对应的版本回滚或升级操作。

3.3 版本漂移检测对比表

3.4 版本漂移检测流程图

下图展示了从执行检测命令到触发校准的完整决策路径：

3.5 常见漂移场景与处理建议

• 场景一：单个 Monitor 版本落后 —— 通常由 Operator 升级中断或节点故障导致。建议先隔离该 Monitor，再手动触发 Rook 的 update 流程。
• 场景二：多个 Monitor 版本不一致 —— 可能由并发升级冲突或镜像仓库缓存问题引起。需要停止所有 Monitor 的自动更新，统一版本后再逐步恢复。
• 场景三：镜像标签相同但实际内容不同 —— 罕见但危险。可通过对比 ceph version 命令输出或检查镜像 digest 来确认。