3.0 KiB
pattern_id, title, category, severity, status, first_observed, last_updated, related_systems, related_solution_docs, related_skills
| pattern_id | title | category | severity | status | first_observed | last_updated | related_systems | related_solution_docs | related_skills | ||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| PAT-016 | Ceph OSD-Keyring-Rotation: Reboot macht stale lokale Keyrings zur Zeitbombe | storage | high | active | 2026-09 | 2026-10-10 |
|
|
|
Ceph OSD-Keyring-Rotation: Stale lokale Keyrings detonieren beim Reboot
Symptom
Nach einem Node-Reboot crashloopen einzelne/alle OSDs eines Hosts:
monclient(hunting): handle_auth_bad_method failed to auth with my available methods: (13) Permission denied
failed to fetch mon config
Innerhalb ~10 Minuten markiert der MON sie down+out → PGs inactive/degraded, Recovery-Churn. Betrifft typischerweise ganze Host-Gruppen, deren OSDs seit der Rotation liefen.
Root Cause
Rotation der MON-Auth-DB auf aes256k (23.09.2026) ändert die Keys in der DB, aber ceph auth get-Ergebnisse werden NICHT automatisch in die lokalen /var/lib/ceph/osd/ceph-<id>/keyring-Files propagiert. Laufende OSDs merken nichts (Session-Tickets bleiben gültig); erst der Neustart erzwingt die Neu-Auth — und scheitert am alten Key. Erkennungsmerkmal: lokaler Key-String beginnt mit AQ… (alt) vs. DB-Key Ag… (rotiert).
Mitigation
# Auf MON: frisches Keyring je betroffenem OSD erzeugen und verteilen
ceph auth get osd.<id> > /tmp/osd.<id>.keyring # scp → OSD-Host
cp -a /var/lib/ceph/osd/ceph-<id>/keyring{,.bak} # Backup!
mv /tmp/osd.<id>.keyring /var/lib/ceph/osd/ceph-<id>/keyring
chown ceph:ceph $_; chmod 600 $_
systemctl reset-failed ceph-osd@<id>; systemctl start ceph-osd@<id>
Pitfall 1: Direkter systemctl restart nach Crashloop → Startratelimit („Start request repeated too quickly"). IMMER reset-failed zuerst.
Pitfall 2: Währenddessen setzen MONs die OSDs evtl. out → nach Fix prüfen: ceph osd in osd.<id> falls nötig (hier automatisch re-in gegangen).
Pitfall 3: ceph-authtool <file> --print-key benötigt -p-Syntax je Version; robuster Key-Extraktionsweg: awk '$1=="key"{print $3}' keyring.
Prevention
- Vor JEDEM Node-Reboot: Konsistenz-Sweep aller lokalen Keyrings gegen
ceph auth get-key(Script:~/workspace/osd-keyring-fix-2026-10-10/ksweep_local.sh, getestet 10.10.: 17/17 MATCH). - Nach jeder Key-Rotation: Sweep als Abschluss-Kriterium, nicht „betroffene Daemons neugestartet".
- Monitoring-Idee: Cron/Watcher, der Prefix-Differenzen (AQ vs Ag) alarmiert (<60s-Alert-Pflicht).
Evidence
- 2026-09-28: 5 OSDs auf n5pro + osd.5 (proxmox5) nach Reboot — manueller Keyring-Refresh (erste Detonation)
- 2026-10-03: osd.17 (ubuntu) — „clusterweit gelöst", aber nur laufende OSDs gepatcht
- 2026-10-10: osd.7 (proxmox7) + osd.10 (proxmox6) beim ersten Reboot seit Rotation — selbes Fehlerbild, Bestätigung des systemischen Charakters; danach Voll-Sweep 17/17 MATCH
- Solution Doc:
docs/solutions/bug-fixes/2026-10-10-proxmox67-reboot-osd-keyring-ct151-orphan.md