【Rook / CSI】CephCluster 生命周期：从 CR 到 mon/mgr/osd
内容提要
本文介绍Rook Operator管理Ceph集群的生命周期：从CephCluster CR创建mon形成quorum，到mgr、OSD设备发现与部署，最后通过健康闸门验证HEALTH_OK。强调设备前置条件、dataDirHostPath清理、HEALTH_ERR时拒绝升级等关键运维纪律，并对比自动发现与显式设备清单的取舍，指出生产应偏向显式配置。
延伸解读
排障顺序：从 Operator 到 Ceph 健康
文章强调，当 CephCluster 创建后未出现预期 Pod 时，应按照 Operator → CephCluster reconcile 事件 → mon/mgr/osd Pod → toolbox 健康的顺序排查，而不是从应用命名空间的 PVC 倒推。若 rook-ceph-operator 镜像拉取失败、RBAC 不足或崩溃循环，后续的 mon 根本不会被创建。因此，先确认 Operator 就绪，再检查 Ceph 组件，避免误诊。
设备发现的取舍：自动 vs 显式
文章对比了自动发现（useAllDevices）与显式设备清单的利弊。自动发现虽省事，但存在误格式化风险，且 LVM LV 不会被自动发现；显式配置虽增加 YAML 复杂度，但变更可评审、事故面小。生产环境应偏向显式或严格过滤，自动发现仅适合可丢弃的实验室环境。
dataDirHostPath 的运维纪律
dataDirHostPath 是宿主机上存放 Ceph 配置与数据的路径，多集群必须互异，且禁止使用 /etc/ceph、/rook 等路径。测试后必须清理该路径，否则残留的旧密钥会导致新 mon 无法启动。即使 CSI 正常，mon 因残留目录起不来，整个控制面仍会异常。
健康闸门与升级决策
Operator 在升级 Ceph 镜像时会检查集群健康状态，若为 HEALTH_ERR 则默认拒绝升级。虽然可通过 skipUpgradeChecks 或 continueUpgradeAfterChecksEvenIfNotHealthy 强制继续，但文章明确反对将升级当作修复手段，强调应先修复数据面或配置错误。破窗工具应谨慎使用，并记录原因与回滚方案。
Q&A
Rook 创建 CephCluster 后，mon、mgr、OSD 的部署顺序是怎样的？
Rook Operator 接受 CephCluster CR 后，先部署 mon 并等待形成 quorum，然后部署 mgr（通常 2 个，一主一备），接着进行设备发现和 osd-prepare，最后启动 OSD Pod。之后通过 toolbox 验证集群 HEALTH_OK，才能供 CSI 使用。
Rook 中 mon 的数量如何配置？生产环境推荐几个？
mon 的数量由 spec.mon.count 控制，允许 1-9。文档推荐大多数场景使用 3 个，并强调奇偶与 quorum 数学：多数 mon 必须存活。生产环境不建议将多个 mon 放在同一节点，以免削弱故障域。
Rook 中 dataDirHostPath 的作用是什么？为什么测试后必须清理？
dataDirHostPath 指定宿主机上存放 Ceph 配置和数据的路径，Pod 删除后数据仍在。如果测试后不清理，残留的旧集群密钥会导致新 mon 无法启动。因此文档警告：测完删集群必须清路径。
Rook 中 useAllDevices: true 有什么风险？生产环境应如何选择设备？
useAllDevices: true 会自动消费所有发现的设备，存在误格式化风险，且不会捡起 LVM LV。生产环境应偏向显式设备清单或严格过滤，避免误吞系统盘或数据盘，便于变更审计。
Rook 升级 Ceph 时，如果集群处于 HEALTH_ERR 状态会怎样？
当请求更新 cephVersion.image 时，Operator 会检查 Ceph 状态；若处于 HEALTH_ERR，默认拒绝继续升级。可以通过 skipUpgradeChecks 或 continueUpgradeAfterChecksEvenIfNotHealthy 强制继续，但被标记为潜在不安全。建议先修复数据面或配置错误，再改镜像。
Rook 中 OSD 的存储模式有哪些？各有什么优缺点？
主要有两种：Host raw devices（宿主机裸盘）和 OSD on PVC（基于 PVC）。Host 模式路径短、性能直接，但节点生命周期与盘绑定，云上裸盘少；PVC 模式适配动态云盘，节点更不可变，但多一层块存储，可能产生“云盘上再做 Ceph”的双层税。
Rook 中如何验证 Ceph 集群健康？
通过 toolbox（管理客户端 Pod）运行 ceph status 或 ceph -s 命令。官方验证清单包括：全部 mon 在 quorum、至少一个 mgr active、至少三个 OSD up 且 in（示例规模）、健康为 HEALTH_OK。
Rook 支持哪些集群模式？External 模式有什么特点？
Rook 支持四种模式：Host Storage Cluster、PVC Storage Cluster、Stretched Storage Cluster、External Ceph Cluster。External 模式接入已有 Ceph，Rook 不管理其 OSD 生命周期，因此 Rook 侧绿灯不代表外部 RADOS 绿灯。
