蓝鲸维护说明
- 统一术语
- 登陆指定服务器
- 查看日志
- 组件的启动停止
  - supervisor托管
  - GSE
  - 开源组件
    - Java
    - Golang/C/C++
    - erlang
  - 蓝鲸组件
  - 第三方组件
- 磁盘清理
- 变更域名
- 全站http切换https
- 变更 DEFAULT_HTTP_PORT 端口
- 更新cert
- 迁移服务
- 单机部署增加一台appt
- 健康检查
- 机器重启后

蓝鲸维护说明

统一术语

INSTALL_PATH安装路径，默认为/data/bkce
CTRL_PATH安装维护脚本所在目录，默认为 /data/install
PKG_SRC_PATH组件原始包解压目录，默认为 /data/src
中控机安装蓝鲸后台服务器中，选一台作为中控机，安装蓝鲸和运维蓝鲸，一般均从这台机器开始。
source utils.fc一些操作需要加载蓝鲸环境变量和函数后才能调用，此为cd $CTRL_PATH/ && source utils.fc的简写
bkcec <command> <module>若无特殊说明，含义是：cd $CTRL_PATH && ./bkcec <command> <module>
下面提到路径时，均以默认路径为例，请根据实际安装路径修改相关命令。

登陆指定服务器

一般维护操作时，均从中控机出发，跳转到其他模块服务器进行操作。

假设发现job模块启动失败，想登陆到job模块所在服务器查看相关日志：

source utils.fc

这个命令用来加载环境变量（/data/install/.env）和蓝鲸安装维护的函数（/data/install/.{rc,fc})。文档中，凡是提到查看xx函数的地方，可以用以下方法找到：

source utils.fc; type 函数名，例如想看 initdata_rabbitmq 做了什么事情，请运行 type initdata_rabbitmq，返回的内容里可能也有没见过的函数调用，那继续使用type 函数名来查看
grep "函数名 ()" .rc *.fc 通过过滤函数定义，来寻找位置
编辑器内的搜索跳转。

ssh $JOB_IP

因为/data/install/config.env里通过解析install.config，生成了模块对应的IP，所以，我们可以直接用 $MODULE_IP 这样的方式来访问。MODULE，用install.config里模块名的大写形式进行替换。譬如 bkdata所在的IP为$BKDATA_IP，cmdb所在IP为$CMDB_IP，依此类推。

也可以输入$符号后，用<tab>补全试试。

cd /data/bkce/logs/job

所有的组件日志均在$INSTALL_PATH/logs/$MODULE/ 目录下。

于是想看job相关的日志，登陆到Job服务器后，切换到cd /data/bkce/logs/job 目录即可看到所有job模块的日志。

查看日志

日志文件统一在 /data/bkce/logs/下，按模块名，组件名分目录存放。

SaaS较为特殊，在/data/bkce/paas_agent/apps/logs下，根据AppCode名分目录存放。

组件的启动停止

一般情况，可以在中控机用bkcec start/stop <module> <project>方式来整体启停进程，但了解每个组件的手动启停方式也有助于运维好蓝鲸。另外需要特别注意的是，开源组件里分布式架构的kafka、zk、consul，这些尽量逐个启停。

下面分三类来介绍不同组件的启停命令

supervisor托管

supervisord和supervisorctl都会使用python虚拟环境(virtualenv)来单独安装隔离。每个模块对应的虚拟环境名称，可以在机器上输入workon命令查看。

特别注意的是：consul使用全局的/opt/py27/bin/supervisord和/opt/py27/bin/supervisorctl

supervisor托管的分两级维度，module和project，project可以单独启停。

例如

./bkcec stop paas esb
./bkcec start paas esb

使用supervisor托管的模块如下：

bkdata/{monior,databus,dataapi}
paas_agent
open_paas (即paas)
fta (fta比较特殊，单独封装了/data/bkce/fta/fta/bin/fta.sh 启停脚本)
cmdb-server (cmdb的后台进程)
consul(使用全局supervisor)
以bkdata/dataapi为例，单独启动dataapi的进程：

# 进入虚拟环境
workon dataapi
# 启动
supervisord -c /data/bkce/etc/supervisor-bkdata-dataapi.conf
#临时停止，但不退出supervisord
supervisorctl -c /data/bkce/etc/supervisor-bkdata-dataapi.conf stop all
# 完全退出，包括supervisord
supervisorctl -c /data/bkce/etc/supervisor-bkdata-dataapi.conf shutdown

其他模块依此类推，不再赘述。

GSE

gse组件分为gse后台，gse客户端，gse插件分别对应三个不同的启停进程：

gse后台服务端：/data/bkce/gse/server/bin/gsectl [start|stop|restart] <module>
gse客户端（agent）: `/usr/local/gse/agent/bin/gsectl [start|stop|restart]
gse插件进程（plugin）：/usr/local/gse/plugins/bin/{stop,start,restart}.sh <module>

开源组件

Java

es: 切换到es用户执行 /data/bkce/service/es/bin/es.sh start
zk: /data/bkce/service/zk/bin/zk.sh start
kafka: /data/bkce/service/kafka/bin/kafka.sh start

Golang/C/C++

nginx: nginx 或者nginx -s reload
beanstalk: nohup beastalkd -l $LAN_IP -p $BEANSTALK_PORT &>/dev/null &
mysql: /data/bkce/service/mysql/bin/mysql.sh start
mongodb: /data/bkce/service/mongodb/bin/mongodb.sh start

erlang

rabbitmq: systemctl start rabbitmq-server

蓝鲸组件

license: /data/bkce/license/license/bin/license.sh start
job: /data/bkce/job/job/bin/job.sh start
saas-o/saas-t: 从/data/bkce/paas_agent/apps/Envs/*下遍历workon home，然后使用apps用户调用supervisord拉起进程。

第三方组件

bknetwork: /data/bkce/bknetwork/bknetwork/bin/nms.sh start >/dev/null 2>&1

磁盘清理

可能产生比较大数据量的目录有：

/data/bkce/logs
/data/bkce/public
/data/bkce/service
logs 目录可以按需设置自动清理N天前的日志。

public 目录一般不能手动删除，一般比较大的组件可能有

mysql数据库太大
kafka 数据
elasticsearch 数据

变更域名

修改 globale.env 中的域名配置信息。
修改每台机器上的/etc/hosts 匹配上新的域名
修改完成后按如下命令顺序执行：

./bkcec clean cron # V4.0版本及以前的需要执行，V4.1以后的无需执行
./bkcec sync common
echo fta bkdata job cmdb paas nginx | xargs -n 1 ./bkcec stop
echo fta bkdata job cmdb paas nginx | xargs -n 1 ./bkcec render
echo nginx paas cmdb job bkdata fta | xargs -n 1 ./bkcec start
./bkcec install cron # V4.0版本及以前的需要执行，V4.1以后的无需执行

如果有安装SaaS，到开发者中心-Smart应用-已上线的SaaS操作栏里的部署按钮，重新一键部署SaaS。

全站http切换https

修改 globale.env 中的HTTP_SCHEMA='https'
修改完成后按如下命令顺序执行：
全站https切换http，只需要修改globale.env 中的HTTP_SCHEMA='http'即可，然后执行相同步骤即可

./bkcec sync common
./bkcec install nginx
./bkcec stop nginx
./bkcec start nginx
echo  job cmdb paas  | xargs -n 1 ./bkcec stop
echo  job cmdb paas  | xargs -n 1 ./bkcec render
echo  job cmdb paas  | xargs -n 1 ./bkcec start
echo  job cmdb paas  | xargs -n 1 ./bkcec status

变更 DEFAULT_HTTP_PORT 端口

安装好后的蓝鲸访问端口默认是80，如果安装成功后想修改它，需要按以下步骤：

修改 ports.env 文件里的 DEFAULT_HTTP_PORT 值为新的端口
同步配置到其他机器：./bkcec sync common
渲染涉及到的进程的模块文件

 ./bkcec render $module

知道如何操作以及为什么需要这样操作：

修改DEFAULT_HTTP_PORT后，PAAS_HTTP_PORT CMDB_HTTP_PORT JOB_HTTP_PORT，这些端口都发生了变化。我们需要了解哪些配置文件模板引用了他们。所以，执行命令：

grep -lrE "(JOB|CMDB|PAAS|DEFAULT)_HTTP_PORT" /data/src/*/support-files/

发现，涉及的文件所在模块为：bkdata,cmdb,fta,gse,job,miniweb,open_paas,paas_agent,nginx。所以这些文件均需要重新render配置，然后重启模块生效。

以下模块需要render操作

echo cmdb job gse paas appo bkdata fta | xargs -n 1 ./bkcec render

appo(paas_agent)的配置需要一个特殊操作：

./bkcec initdata appo

nginx和miniweb较为特殊，需要以下命令：

./bkcec install nginx
./bkcec stop nginx
./bkcec start nginx

重启其余进程:

for module in cmdb job gse paas appo bkdata fta; do ./bkcec stop $module ; sleep 2; ./bkcec start $module ;done

更新cert

有时候 gse 和 license 所在服务器的mac地址发生了变化，此时证书需要重新从官网生成下载。然后操作更新证书的步骤。

中控机上解压新的证书

cd /data/src/cert && rm -f *
tar -xvf /data/ssl_certificates.tar.gz -C /data/src/cert/

操作更新相关组件

source /data/install/utils.fc
for ip in ${ALL_IP[@]}; do
    _rsync -a $PKG_SRC_PATH/cert/ root@$ip:$PKG_SRC_PATH/cert/
    _rsync -a $PKG_SRC_PATH/cert/ root@$ip:$INSTALL_PATH/cert/
done
 for ip in ${JOB_IP[@]}; do
     rcmd root@$ip "gen_job_cert"
 done
./bkcec stop license
./bkcec start license
./bkcec stop job
./bkcec start job
./bkcec install gse 1
./bkcec stop gse
./bkcec start gse
./bkcec stop bkdata
./bkcec start bkdata
./bkcec stop fta
./bkcec start fta

proxy和agent的更新，需要把新的cert目录传到对应机器的路径：

agent: /usr/local/gse/agent/cert/
proxy: /usr/local/gse/proxy/cert/
然后重启进程：
agent和proxy均为：/usr/local/gse/agent/bin/gsectl restart

迁移服务

假设想将 bkdata 模块从目前混搭的服务器上，迁移到一台新机器，可以按如下步骤操作：

停掉原来服务器上的bkdata进程./bkcec stop bkdata
修改 install.config 文件，新增一行 $ip bkdata ip为待迁移的机器IP，删除原ip所在行的bkdata
新机器配置好中控机的 ssh 免密登陆
除非特别指出，在中控机上依次执行以下命令，每一个命令成功后，再继续下一个：

# 同步install.config更改
./bkcec sync common
#  同步基础依赖 consul
./bkcec sync consul
# 同步 bkdata 模块
./bkcec sync bkdata
# 安装 consul
./bkcec install consul
# 重启 consul
./bkcec stop consul
./bkcec start consul
# 安装 bkdata
./bkcec install bkdata
# 给新机器授予mysql权限
./bkcec initdata mysql
#  给新的bkdata补上初始化标记文件
ssh $BKDATA_IP 'touch /data/bkce/.dataapi_snaphost'
# 启动新的bkdata
./bkcec start bkdata

登陆到老的bkdata机器，将标记文件 /data/bkce/.installed_module 文件中的bkdata行删除：

sed -i '/bkdata/d' /data/bkce/.installed_module

其余模块的迁移流程大致和bkdata类似。只是部分模块有一些特殊注意事项需要额外做一些操作。列举如下：

PaaS迁移。因为PaaS IP地址发生了改变，而Job的配置文件job.conf中，有一项api.ip.whitelist配置，需要随之修改。可以在迁移完PaaS后运行如下命令自动修改生效。

./bkcec render job
./bkcec stop job
./bkcec start job

PaaS迁移后，Nginx上对PaaS的反向代理配置也需要跟随改变，Nginx需要重新渲染配置，重新加载配置。

单机部署增加一台appt

使用单机部署方案，虽然install.config里自动配置了appt和appo两个模块，但实际生效的只有appo。部署蓝鲸官方的SaaS，只需要appo即可。

用户如果有自己开发SaaS应用，提测时，平台会提示没有可用的测试环境。这时需要扩充一个appt环境。运维操作如下, 以下命令均在中控机上执行：

新增一台服务器(假设IP为10.0.0.2)作为appt，机器配置1核1G以上即可，跑的测试SaaS越多，配置需求越高。
登陆中控机，编辑install.config, 新增一行

 10.0.0.2 appt

并将原来install.config第一行中的appo,appt换成appo。

对10.0.0.2配置好ssh免密登陆。
依次运行以下命令开始安装appt

 ./bkcec sync common
 ./bkcec sync consul
 ./bkcec sync appt
 ./bkcec install consul
 ./bkcec stop consul
 ./bkcec start consul
 ./bkcec install appt
 ./bkcec initdata appt
 ./bkcec start appt
 ./bkcec activate appt

查看开发者中心->服务器信息中，类别为《测试服务器》的信息是否正确，状态是否激活。

健康检查

蓝鲸产品后台提供了健康检查的接口，用HTTP GET请求访问，接口地址和端口用变量表达：

cd /data/install && source utils.fc
# PAAS 注意URL末尾带上/
curl http://$PAAS_FQDN:$PAAS_HTTP_PORT/healthz/
# CMDB(beta)，目前版本不够准确
curl http://$CMDB_IP:$CMDB_API_PORT/healthz
# JOB
curl http://$JOB_FQDN:$PAAS_HTTP_PORT/healthz

蓝鲸监控SaaS的监控检查接口，可以用浏览器直接访问:

http://$PAAS_FQDN:$PAAS_HTTP_PORT/o/bk_monitor/healthz/

机器重启后

确认 /etc/resolv.conf 里第一个nameserver是 127.0.0.1，option选项不能有rotate
检查重启机器的crontab，是否有自动拉起进程的配置 crontab -l | grep process_watch，重启后的自动拉起主要靠crontab
中控机上确认所有进程状态：./bkcec status all, 正常情况下应该都是正常拉起RUNNING状态，如果有EXIT的，则尝试手动拉起。手动拉起的具体方法参考组件的启动停止
如果社区版所有机器同时重启，很大概率会有很多进程启动失败，因为不同机器上组件恢复的时间没法控制，导致依赖的组件还没启动起来，导致失败，连锁反应。所以这种情况，遵循和安装时的启动原则:
- 先启动db
- 启动依赖的其他开源组件及服务
- 启动蓝鲸产品
如果已经部署过SaaS，那么手动拉起。

  ./bkcec start saas-o # 正式环境
  ./bkcec start saas-t # 测试环境

2.2. 维护