vSphere Supervisor集群移除卡顿问题排查指南

1. 问题现象与背景分析

最近在维护一套基于vSphere 7.0的私有云环境时，遇到了一个棘手的问题：尝试移除Supervisor集群时，管理界面长时间卡在"正在移除"状态，进度条停滞超过6小时。这种状态在vSphere运维中并不罕见，但需要系统化的排查方法。

Supervisor是vSphere with Kubernetes的核心组件，负责管理Kubernetes控制平面与底层ESXi主机的协同工作。当移除流程卡住时，通常意味着底层资源清理、依赖关系解除或API通信等环节出现了阻塞。这种情况如果处理不当，可能导致集群状态不一致，甚至影响整个vSphere环境的稳定性。

2. 排查工具准备与环境检查

2.1 必备工具清单

在开始深入排查前，需要准备以下工具：

• SSH客户端（如PuTTY或OpenSSH）
• vSphere CLI工具包（包含esxcli、govc等）
• kubectl（配置好对应Supervisor集群的上下文）
• 日志收集脚本（后文会提供）

2.2 基础环境验证

首先确认基础环境状态：

bash复制# 检查vCenter服务状态
service-control --status --all

# 验证ESXi主机连接性
esxcli network ping --host <vCenter_IP> --count 3

# 检查Supervisor集群API可用性
kubectl --context=<your_context> get ns

注意：执行这些命令时如果出现超时或错误，可能是网络分区或服务异常导致的移除卡顿。

3. 核心日志定位与分析

3.1 关键日志文件位置

排查Supervisor移除问题需要检查以下日志：

1. vCenter日志：

   • /var/log/vmware/vpxd/vpxd.log
   • /var/log/vmware/vpxd/vpxd-svcs.log

2. Supervisor控制平面日志：

   • /var/log/vmware/wcp/wcpsvc.log
   • /var/log/vmware/wcp/partner-pod.log

3. ESXi主机日志（所有关联主机）：

   • /var