昨天 rancher 给我挖了一个大坑

[guoguobaba]

下班后，给生产系统添加一个节点，就用参照文档，用网站上的脚本给添加了

curl -sfL https://rancher-mirror.rancher.cn/rke2/install.sh | INSTALL_RKE2_MIRROR=cn sh -

结果系统崩了，网络全部不能访问了。

排查发现，他把我的 calico 相关的都删了，准备添加 canal 网络，我擦，我赶紧删了这个节点，修复生产系统，calico-system 的 namespace 也被删了，网络系统全部崩溃，我当时一头猛汗，口中问候了他家各种。

网路不行，longhorn 也开始卡，然后系统因为 nfs 卡死很多命令也开始。

先将所有 deploy replicas 设为 0 ， 强制 umount nfs ，kubectl 开始能正常操作了。

在 gpt 的帮助下，尝试了各种方案，后来发现，删除 helmchart ，重启 rke2 让它重建 calico 网络

kubectl delete helmchart rke2-calico -n kube-system && kubectl delete helmchart rke2-calico-crd -n kube-system && systemctl restart rke2-server

重建过程中也遇到好多坑，折腾到晚上 3：00 才搞定。

复盘发现是添加的 rke2 版本很新，在/var/lib/rancher/rke2/server/manifests提供了 rke2-canal.yaml，而不是 calico 相关配置，导致 rke2 自动取删除 calico 相关网络，安装 canal 网络。

真是个教训。

[guoguobaba]

@knives 我原来的版本也这样，但是这个版本是 rke2+rancher ，rancher 是使用 Helm 部署到 rke2 k8s 里的，找不到这样的入口。

```
# rke2 -v
rke2 version v1.32.3+rke2r1 (18005e93ee0b015b78be47cf6515ae6d3a9afd55)
go version go1.23.6 X:boringcrypto

# helm list -A |grep rancher
rancher cattle-system 2 2025-04-25 03:04:31.590632798 +0800 CSTdeployed rancher-2.11.0
```

[knives]

@guoguobaba 好像懂你的环境了。你们的环境，没有把 rancher 这个控制面集群与业务集群分离部署？或者说这次扩展的就是 rancher 这个控制面集群。

我这边 rancher 这个控制面集群里面纯纯就只有 rancher ，就算控制面挂了业务层也基本没啥影响，不至于太紧张。

[guoguobaba]

@knives 应该是的，只有三个节点，rancher 直接安装在业务集群上面。

[RatioPattern]

遇到过类似情况，rancher 感觉就是实验室 KPI 产品

[runzhliu]

早几年用 Rancher 的时候发现他对 k8s 集群侵入非常强...所以如果没时间深入了解 Rancher 的话不建议用