Saltar al contenido principal
Versión: Next

Solución de problemas y operaciones habituales

Empieza por el síntoma de la tabla. Si ya tienes una alerta activa, consulta su significado y respuesta en el manual de alertas. Los tableros de resumen y de etapas de Grafana ayudan a localizar la primera etapa en la que el trabajo deja de avanzar.

Encuentra tu síntoma​

SíntomaPrimera comprobaciónProcedimiento
La instalación o el bootstrap se detiene antes de arrancar los serviciosEjecuta dcctl preflight; lee el paso fallido y los eventos de Kubernetes. Otro operador puede tener ocupado el clúster.Bootstrap, bloqueo del clúster y reanudar un bootstrap fallido.
Los pods están Pending, se reinician o no están ReadyDescribe el pod afectado para ver fallos de planificación, imagen, volumen y sondas. Si se reinició, consulta los logs del contenedor anterior antes de sustituirlo.Reinicios de contenedores y rechazos al arrancar en las notas de actualización.
Tras una recuperación, user-management rechaza el arranque y los demás servicios nunca están ReadyLee el error de arranque de user-management. Una clave raíz incorrecta no abre la clave de firma almacenada; reiniciar no lo repara.Recuperación de la clave raíz y verificar la custodia.
El inicio de sesión funciona, pero las llamadas a la API devuelven 401Comprueba la audiencia del token del cliente y los logs de rechazo del servicio receptor; un token válido puede estar vinculado a otro recurso.Comprobaciones de audiencia.
Un usuario no supera el segundo factorComprueba la sincronización de relojes y la auditoría de la cuenta. Si quedó bloqueada tras intentos con contraseña correcta, restablece la contraseña antes que el segundo factor.Bloqueos del segundo factor.
MQTT agota el tiempo de espera o falla la negociación TLSComprueba DNS, el nombre del certificado, la conectividad TCP y el estado del listener del Gateway.Problemas de MQTT externo.
Un dispositivo se conecta pero falta telemetríaConfirma el tenant y el dispositivo; revisa los motivos de eventos fallidos y las mediciones descartadas en la pestaña Connectivity del dispositivo.¿Por qué no aparecen mis datos? y causas habituales.
La telemetría se retrasa y crece la colaLocaliza el primer consumidor lento en los tableros; distingue mensajes pendientes y en curso y comprueba la base de datos y el broker posteriores.Cola del consumidor, contrapresión de ingesta y ajustes.
Los comandos siguen en cola o retenidosInspecciona el estado del comando, la presencia del dispositivo, la ventana de mantenimiento y el canal antes de reintentar.Alertas de entrega de comandos y enviar comandos.
Una regla no genera una alarmaComprueba la versión publicada del perfil, la métrica recibida y los errores de reglas y el estado de reproducción del motor.Motor de detección y probar reglas.
Existe una alarma pero no llega la notificaciónComprueba la coincidencia de políticas y la configuración del canal; sigue el tablero de notificaciones y sus alertas.Canales de notificación y tableros de Grafana.
El almacenamiento se llena o una ampliación no llega al PVCComprueba el espacio libre y el crecimiento de ambas bases de datos y los volúmenes del broker; compara el tamaño solicitado con el PVC.Dimensionar y ampliar el almacén de eventos y elegir un tamaño.
Las copias dejan de enviarse o se rechaza la recuperaciónComprueba las alertas de backup, la ventana de recuperación de cada almacén y la custodia de la clave raíz; conserva el rechazo exacto.Alertas de archivado y recuperación ante desastres.
Un tenant eliminado sigue en proceso de borradoIdentifica el sistema de almacenamiento que bloquea el progreso; desaparecer de la consola no demuestra que haya terminado.Borrado detenido y señales de finalización.

Recoge pruebas antes de cambiar nada​

Anota el intervalo y la zona horaria, la instancia, el tenant afectado, la versión instalada, el último paso correcto y el primero fallido. Selecciona el mismo intervalo en cada tablero de Grafana. Guarda el nombre y las etiquetas de la alerta, además de su color.

Estos ejemplos de solo lectura usan la instancia acme en el namespace dci-acme. Sustituye el namespace y el nombre del pod por los tuyos. Ejecuta los ejemplos en Bash; en Windows, usa Git Bash o WSL.

dcctl version
dcctl preflight
kubectl -n dci-acme get pods
kubectl -n dci-acme get events --sort-by=.metadata.creationTimestamp
kubectl -n dci-acme describe pod YOUR_POD
kubectl -n dci-acme logs YOUR_POD --all-containers=true --since=30m

Si un contenedor se reinició, solicita también sus logs anteriores; sustituye el nombre del contenedor por el de la descripción del pod. El comando devuelve un error si no existe un contenedor anterior.

kubectl -n dci-acme logs YOUR_POD -c YOUR_CONTAINER --previous

Los logs pueden haber rotado; la ausencia de salida no demuestra que no hubiera fallos. Lee los logs estructurados junto con los eventos de Kubernetes. Conserva las pruebas antes de reiniciar pods, cambiar la configuración o reintentar una escritura.

Oculta los datos sensibles antes de compartir

Elimina tokens, contraseñas, cadenas de conexión, claves raíz, material de custodia y nombres de host privados de los logs y la salida. Nunca adjuntes un Secret de Kubernetes ni un volcado de configuración sin filtrar a un issue público. Consulta Cómo obtener ayuda para los canales, incluidos los informes privados de seguridad.

Operaciones habituales​

Son momentos de revisión sugeridos, no programaciones automáticas ni nuevos límites. Elige una frecuencia adecuada al tráfico, los objetivos de recuperación y las ventanas de mantenimiento.

CuándoRevisión y acciónProcedimiento
Cada día de operación y tras un incidenteRevisa alertas activas, reinicios, colas y espacio libre. Confirma que las alertas llegan a un operador; un panel vacío puede indicar métricas ausentes.Tableros de Grafana y enrutamiento de alertas.
Cada ciclo de backupVerifica el archivado de los almacenes principal y de eventos y sus ventanas de recuperación. Comprueba por separado los objetos y streams preservados.Dos copias de bases de datos, alertas de backup y otro estado.
Tras el bootstrap o cambios de clave, y antes de un simulacroVerifica la huella de la custodia; guarda el artefacto cifrado y su frase de contraseña por separado y fuera del clúster.Verificar la custodia.
Según tu calendario de simulacrosEnsaya la recuperación en un clúster nuevo con ambos almacenes y la clave raíz original; verifica inicio de sesión, uso de secretos e historial. Verificar solo el backup de streams y objetos no es un simulacro de restauración.Recuperar una instancia.
Antes de actualizar o cambiar la configuraciónLee los rechazos al arrancar y la ruta de actualización admitida, revisa el overlay guardado, comprueba las copias y ejecuta un dry run antes de aplicar.Versiones y actualizaciones, política de versiones y dry run del overlay.
Después de actualizar o cambiar la configuraciónComprueba que el despliegue está listo, los tableros y la ingesta y el resultado de un comando de un dispositivo representativo; confirma que siguen enviándose las copias.Observabilidad y enviar comandos.
Al revisar capacidad y certificadosCompara crecimiento y retención con la capacidad disponible; revisa las anclas de confianza próximas a caducar y planifica la rotación antes de su vencimiento.Dimensionamiento, ajustes y certificados de dispositivos.
Al revisar accesos y dar de baja tenantsRevisa cuentas de servicio y roles; para el borrado, verifica la finalización y realiza la limpieza que corresponde al operador.Cuentas de servicio y borrado de tenants.

Los comandos de streams y objetos son Preview: dcctl backup inspect --verify comprueba los bytes enumerados y dcctl restore --plan solo planifica. No hay comando para aplicar la restauración ni checkpoint coordinado de bases de datos. Sigue los requisitos de pausa y verificación de Exportar streams y contenido de objetos.