【etcd】运维与升级：member change、backup/restore 与 3.5→3.6/3.7 门
内容提要
etcd v3.5.33运维要点：成员变更需按步骤操作，避免quorum丢失；备份恢复用snapshot，K8s环境需bump revision；升级须逐minor滚动，3.5→3.6前清理v2数据，3.6→3.7前迁移experimental标志，全程保持snapshot，混合版本窗口可回滚，全升后只能restore。
延伸解读
升级不可逆：混合版本窗口是唯一回滚机会
文章强调，在滚动升级过程中，只要还有成员停留在旧版本，就可以通过换回旧二进制或从快照恢复来回滚。但一旦所有成员都升级到新 minor 版本，就无法再通过简单替换二进制回滚，只能从升级前的快照恢复。因此，升级前必须确保有可用的快照，并规划好回滚策略。
K8s 环境恢复需注意 revision 回退
在 Kubernetes 中使用 etcd 时，从快照恢复会导致 revision 大幅回退，可能引发 informer 缓存与 etcd 数据不一致。官方建议使用 --bump-revision 和 --mark-compacted 参数，使新 revision 高于旧缓存，并终止旧 revision 上的 Watch，强制客户端重新全量同步。bump 量级需根据快照年龄和写入速率估算，并非固定值。
v2 数据清理是 3.5→3.6 升级的关键前置
升级到 etcd 3.6 前，必须检查并清理 v2 数据。若从未启用 v2 API，可直接升级；否则需使用 etcdutl check v2store 检查，并根据输出进行迁移或使用 --v2-deprecation=write-only-skip-check（有风险）。WAL 中的 v2 记录可能需要等待下次 v2 快照或临时设置 --snapshot-count=1 强制快照来清理。
Q&A
etcd 集群进行成员替换时，推荐的操作步骤是什么？
推荐使用 etcdctl member add 添加新成员（可以是 learner 或 voting），然后在新节点上用 --initial-cluster-state=existing 启动，等待新节点 Raft index 追平，再 member remove 旧成员，最后确认全集群 endpoint health/status 一致。
etcd 备份时，直接拷贝 member/snap/db 文件有什么风险？
直接拷贝 member/snap/db 可能丢失尚未 snap 进 db 的 WAL 数据，因此推荐使用 etcdctl snapshot save 进行在线逻辑备份。
etcd 恢复后，为什么需要 bump revision？如何操作？
恢复后 Revision 可能回退，导致 informer 缓存不一致。使用 etcdutl snapshot restore 时加上 --bump-revision 和 --mark-compacted 可以提升 Revision 并终止旧 Watch，迫使客户端全量 List。bump 量级需根据 snapshot 年龄和写入速率估算，例如一周旧 snapshot 和 <1500 writes/s 时可考虑 10^9 量级。
从 etcd 3.5 升级到 3.6 前，必须完成哪些检查？
必须确保所有 member 版本 ≥3.5.32，移除 --enable-v2 或 ETCD_ENABLE_V2，用 etcdutl check v2store 检查 v2 数据，升级前必须做 snapshot，并采用逐 member 滚动升级。
etcd 升级到 3.7 前，需要处理哪些废弃特性？
3.7 删除了 --experimental-* 标志，需要在 3.6 阶段迁移到 feature gate 或稳定 flag；同时 3.7 移除了 v2 store/API/client/discovery，需确保 v2 数据已清理。
etcd 集群升级过程中，什么情况下可以回滚？什么情况下只能 restore？
在混合版本窗口（仍有 member 在旧版本）时，可以回滚二进制或使用 snapshot restore；一旦所有 member 都升级到新 minor 版本，则无法通过换回旧二进制回滚，只能从升级前的 snapshot 恢复。
etcd 中 learner 成员的作用是什么？promote 时需要注意什么？
Learner 是非投票成员，先以 learner 加入并同步日志，待追平后再 promote 为 voting member，以降低新节点拖慢 quorum commit 的概率。promote 前必须确保 learner 已 catch-up。
etcd 集群进行成员变更时，有哪些检查项？
检查项包括：变更前做 snapshot、确保集群仍有 quorum、新节点 --name 和 --initial-advertise-peer-urls 与 member add 输出一致、不要对已有 member 误跑 snapshot restore 覆盖 live data、K8s 环境 apiserver --etcd-servers 列表与现 member 对齐、变更后 committed index 与 applied index 差距收敛。
