2、核心概念定义：什么是存储版本漂移？漂移的类型

在 Rook Ceph 存储集群的长期运维中，存储版本漂移（Storage Version Drift） 是指集群内各组件（Monitor、OSD、MGR、RGW 等）的实际运行版本、配置参数或拓扑结构，与基线定义的标准状态之间产生偏差的现象。这种偏差会逐步侵蚀集群的一致性、可预测性和可恢复性，是容量规划与版本校准必须首先量化的核心风险。

2.1 存储版本漂移的本质

从 SRE 视角看，版本漂移的本质是期望状态（Desired State）与实际状态（Actual State）之间的差异。在 Rook 管理的 Ceph 集群中，Operator 会持续尝试将集群收敛到 CRD 中定义的期望状态，但由于以下原因，漂移仍然不可避免：

• 滚动升级中断：部分节点升级失败或回滚，导致混合版本运行。
• 配置热修：运维人员直接通过 ceph config set 修改运行时参数，未同步至 CRD。
• 节点故障恢复：新加入的 OSD 使用不同版本的 Ceph 镜像或不同的磁盘布局。
• Operator 版本滞后：Rook Operator 版本与 Ceph 集群版本不匹配，导致调和逻辑失效。

2.2 漂移的三种核心类型

根据漂移发生的维度，我们将存储版本漂移划分为三类：配置漂移、版本漂移、拓扑漂移。下表对比了三者的定义、典型场景与检测方式：

2.3 配置漂移详解

配置漂移是最常见、最隐蔽的漂移类型。它通常源于临时应急操作或多管理员操作不一致。配置漂移的危害在于：

• 导致容量规划假设失效（例如：副本数从 3 改为 2，实际可用容量计算错误）。
• 造成集群行为不可预测（例如：scrub 周期被手动调整，影响性能基线）。
• 在版本升级时引发冲突（例如：运行时配置覆盖了新版默认值）。

2.4 版本漂移详解

版本漂移直接影响集群的功能兼容性和安全合规性。在 Rook Ceph 环境中，版本漂移通常表现为：

• 跨节点版本不一致：同一集群内同时运行 Ceph Quincy 和 Reef 版本的 OSD。
• Operator 与 Ceph 版本不匹配：Rook v1.12 尝试管理 Ceph 18.2.0，但 CRD 中未指定对应镜像。
• 容器镜像标签漂移：使用 :latest 标签导致不同节点拉取不同构建版本。

版本漂移的检测应纳入 CI/CD 流水线，每次部署后自动执行：

# 检测所有 Ceph 组件版本
ceph versions

# 检测 Rook Pod 镜像版本
kubectl get pods -n rook-ceph -o jsonpath='{range .items[*]}{.metadata.name}{"\t"}{.spec.containers[*].image}{"\n"}{end}'

2.5 拓扑漂移详解

拓扑漂移是容量规划中最容易被忽视的漂移类型。它直接改变数据的分布策略和故障隔离边界。典型拓扑漂移场景包括：

• CRUSH map 手动编辑：直接修改 CRUSH map 但未同步至 Rook CRD 的 storage 配置。
• 节点标签漂移：Kubernetes 节点标签被修改，导致 Rook 将 OSD 分配到错误的故障域。
• OSD 生命周期管理不当：替换 OSD 时未遵循 CRUSH bucket 结构，导致数据分布不均。

2.6 漂移类型关系图

下图展示了三种漂移类型在 Rook Ceph 集群中的关系与影响路径：

2.7 漂移类型对比总结

下表从运维视角对三种漂移类型进行综合对比，帮助 SRE 团队快速识别优先级：