计算管理生命周期错误与恢复

操作/阶段

当前事实

运行查询

资源不存在404/NOT_FOUND;有资源无Worker记录返回runtimes:[]。共享错误常用ErrForbidden、ErrServiceUnavailable、ErrServer。

三生命周期

状态冲突409/CANNOT_RESUME、CANNOT_RETRY、CANNOT_SUSPEND;恢复/重试CAS竞争409/LIFECYCLE_CONFLICT。

租约/Cloud拆除

已分类错误409/RESOURCE_BUSY,先核对原操作与恢复记录,不作为可以无限重试的响应。

找不到/运行未配置/未知失败

分别404、503、500,code使用RESUME_ADMIN_FAILED、RETRY_ADMIN_FAILED或SUSPEND_ADMIN_FAILED;不是统一NOT_FOUND。

恢复和重试

分别要求SUSPENDED和ERROR。事务按预期旧状态CAS,重置父实例为IDLE、清空状态文本/生命周期令牌/下一空闲时间,副本字段归零;同事务只把ACTIVE、SCALING、DRAINING的Worker记录重置IDLE/副本零,其他记录不据此宣称全部改写。之后独立读取实例,回读失败可在写入已提交后报错;并发也可改变回读状态。

这两动作不等待Worker就绪,也不直接启动Pod。不要看到父IDLE或操作成功就运行依赖于全部Worker就绪的任务;结合按类型runtime和真实调度情况验证。没有客户端可提交的expected_version、幂等键或专用回滚请求,错误后不盲目重发。

暂停

管理入口先解析目标工作区,再由内部服务检查运行服务注册和ACTIVE前置。运行组件取得暂停租约、记录使用区间、停止Worker、把Worker记录置IDLE,再按租约落SUSPENDED。停止、Worker持久化、最终CAS/回读各阶段可失败,不能承诺事务整体回滚;Cloud拆除可能保留DRAINING恢复标记。

负责人需核对原实例、租约/恢复记录、按类型Worker状态及实际Provider。不要将部分停止误当完全未执行,也不要以新建实例替代原恢复。

字段兼容与两环境

生命周期HTTP成功可回显已保存的非空依赖字段,当前typed模型缺字段。解码错误是客户端错误,不等于操作被服务端拒绝;使用原始HTTP保留结果并回查。SDK修正与文档缺页分开登记,不通过修改公开协议规避模型不足。

最后更新于