Planteamiento y contexto
Kubernetes v1.36 promovió VolumeGroupSnapshot, VolumeGroupSnapshotContent y VolumeGroupSnapshotClass a groupsnapshot.storage.k8s.io/v1. El entrevistador desea saber cómo varios PersistentVolumeClaims forman un único punto de recuperación, qué gestiona el controlador CSI y cómo aborda la brecha entre la consistencia a nivel de almacenamiento y a nivel de aplicación.
Lo que evalúa el entrevistador
- Si distingue entre consistencia frente a caídas (crash consistency), consistencia de aplicaciones y consistencia eventual.
- Si puede explicar el límite entre los controladores de Kubernetes, el external snapshot controller y el controlador CSI.
- Si identifica requisitos previos como el soporte de CSI, la capacidad, la topología y los límites del ciclo de vida de las instantáneas (snapshots).
- Si convierte los objetivos de recuperación, las métricas de simulacros y la reversión de fallas en un proceso ejecutable.
Preguntas para aclarar primero
Confirme si la base de datos admite respaldos en línea, si cada volumen utiliza el mismo controlador CSI y los requisitos de RPO, RTO y comportamiento entre distintas zonas. Asimismo, confirme si el sistema de almacenamiento preserva el orden de escritura o si la aplicación debe vaciar búferes (flush), congelar o pausar las escrituras primero.
Una respuesta de 30 segundos
Utilizaría cuatro capas: la aplicación crea un punto de consistencia; Kubernetes registra el conjunto de PVC con VolumeGroupSnapshot; el controlador CSI crea una instantánea de grupo en el almacenamiento; y la recuperación restaura nuevos volúmenes y los valida. La API es GA en v1.36, pero coordina instantáneas de volúmenes con consistencia frente a caídas; no reemplaza los registros de la base de datos, la gestión de claves ni los simulacros periódicos de recuperación.
Análisis detallado paso a paso
1. Establecer un punto de consistencia
La base de datos realiza una acción de respaldo demostrable, como congelar brevemente las escrituras, vaciar el WAL o crear un checkpoint. Registre la posición de la transacción, la hora de la instantánea y la versión de la aplicación antes de crear la instantánea de grupo. Una instantánea exclusiva del almacenamiento sin coordinación de la aplicación puede ser consistente a nivel de disco mientras que el estado de negocio resulta inconsistente.
2. Crear y observar la instantánea de grupo
Cree un VolumeGroupSnapshot para las PVC de una instancia de base de datos y espere a que alcance el estado listo. Los controladores coordinan los objetos de Kubernetes; el controlador CSI realiza las operaciones de almacenamiento y debe admitir la API de extensión para instantáneas de grupos de volúmenes. Registre el identificador de instantánea de cada miembro, la capacidad, la topología y los errores, de modo que el éxito parcial nunca se confunda con recuperabilidad.
3. Recuperar y validar
Cree nuevas PVC para cada miembro preservando el mapeo entre la base de datos y los volúmenes. Inicie la base de datos en un entorno aislado, valide la posición del WAL, los conteos de tablas, los checksums y las consultas clave del negocio, y luego redirija el tráfico. La recuperación entre distintas zonas también debe verificar que la réplica de la instantánea sea legible y que el controlador CSI acepte la topología de destino.
4. Límites operativos
Defina retención, cifrado y controles de acceso; monitoree la duración de las instantáneas y la tasa de fallas. Considere las instantáneas como material de recuperación y no como archivos permanentes: expórtelas a medios independientes y mida el RPO y RTO reales mediante simulacros. Antes de eliminar PVC, objetos de instantáneas u objetos del backend, confirme que la política de reclamo no elimine un punto de recuperación que aún esté en uso.
Ejemplo de una respuesta sólida
Definiría primero los objetivos de recuperación y seleccionaría las PVC administradas por un mismo controlador CSI. La aplicación crea un checkpoint y registra su posición de WAL, pausando brevemente las escrituras cuando sea necesario; luego creamos un groupsnapshot.storage.k8s.io/v1 VolumeGroupSnapshot. El controlador coordina los objetos de Kubernetes, mientras que el controlador CSI y el sistema de almacenamiento proporcionan la semántica de grupo. Verificaría la versión del controlador, la topología, la capacidad y las cuotas de instantáneas, y configuraría alertas para el estado listo de cada miembro.
La recuperación nunca sobrescribe los volúmenes de producción. Crea nuevas PVC a partir de la instantánea de grupo, inicia la base de datos en un espacio de nombres aislado, valida el WAL, los checksums y las consultas de negocio, y solo entonces transfiere el tráfico. Si algún miembro falla, el grupo queda inutilizable y el flujo de trabajo se revierte; a las instantáneas parciales no se les llama un respaldo completo. Los simulacros programados comprueban el RPO y el RTO, mientras que el archivado independiente, el cifrado y el principio de privilegio mínimo evitan que el sistema de instantáneas se convierta en un punto único de falla o de filtración.
Errores comunes
- Asumir que GA significa que todos los controladores de almacenamiento admiten la característica automáticamente; aún depende de la implementación de CSI y del almacenamiento.
- Describir únicamente la creación, omitiendo el manejo de fallas a nivel de miembro, la topología y el ciclo de vida.
- Llamar consistencia de aplicaciones a la consistencia frente a caídas y omitir el vaciado de datos, el WAL o los checkpoints.
- Conservar únicamente los metadatos de la instantánea y no iniciar nunca la base de datos recuperada en un entorno aislado.
Preguntas de seguimiento y respuestas
¿Qué ocurre si la instantánea de uno de los volúmenes miembros falla?
Se marca la instantánea de grupo como inutilizable, se conservan los eventos y los identificadores creados, se limpian los recursos huérfanos y se reintenta. La recuperación solo acepta un conjunto completo de miembros, mientras que el éxito parcial se reporta para alertas y auditoría de capacidad.
¿Por qué no tomar una instantánea de cada PVC por separado?
Las instantáneas individuales carecen de un punto de recuperación compartido, por lo que el orden de escritura entre distintos volúmenes puede divergir. Una instantánea de grupo delega el conjunto de miembros y la operación de grupo al almacenamiento, mientras que los checkpoints de la aplicación siguen siendo necesarios para la consistencia del negocio.
¿Cómo demuestra que el plan cumple con el RPO y el RTO?
Realizando recuperaciones en un clúster aislado según un cronograma fijo, registrando el tiempo transcurrido desde el checkpoint hasta la disponibilidad de un servicio operable para consultas, la desviación en la posición de los datos y la tasa de fallas. Los resultados de los simulacros se convierten en criterios de paso para despliegues (release gates); si no se cumplen los umbrales, se ajusta la frecuencia de las instantáneas, las rutas de archivado o los procedimientos de migración de tráfico.