在GKE集群部署Airflow Helm Chart失败：迁移超时与Pod调度问题

可能原因与解决方案 #

• 调整迁移超时与资源配置
  默认的60秒迁移超时不足以完成部分大版本迁移操作，在Helm values.yaml中修改以下配置延长超时并增加资源：

migrateJob:
  activeDeadlineSeconds: 300  # 延长至5分钟
initdb:
  resources:
    requests:
      cpu: "0.5"
      memory: "1Gi"
    limits:
      cpu: "1"
      memory: "2Gi"
migrate:
  resources:
    requests:
      cpu: "0.5"
      memory: "1Gi"
    limits:
      cpu: "1"
      memory: "2Gi"

执行重新部署：helm upgrade airflow apache-airflow/airflow -f values.yaml

• 手动执行数据库迁移

1. 进入Airflow webserver或scheduler Pod：kubectl exec -it <airflow-pod-name> -- bash
2. 运行迁移命令：airflow db upgrade
3. 验证迁移结果：进入Postgres Pod查询版本表

   kubectl exec -it <postgres-pod-name> -- psql -U <airflow-db-user> -d <airflow-db-name>
   SELECT version_num FROM alembic_version;
   

   确认结果包含ecb43d2a1842即可。

• 排查数据库连接与权限
  检查Helm values中的数据库连接配置是否正确：

data:
  metadataConnection:
    user: "<your-db-user>"
    password: "<your-db-password>"
    db: "<your-db-name>"
    host: "<postgres-service-name>"

同时确保Postgres用户拥有足够权限：

GRANT ALL PRIVILEGES ON DATABASE <airflow-db-name> TO <airflow-db-user>;

可能原因与解决方案 #

• 检查节点池自动扩缩容配置
  确认节点池的自动扩缩容是否开启：

gcloud container node-pools describe <node-pool-name> --cluster <cluster-name> --zone <zone>

确保autoscaling.enabled: true，且maxNodeCount未达到上限。若未开启，执行：

gcloud container node-pools update <node-pool-name> --cluster <cluster-name> --enable-autoscaling --min-nodes=1 --max-nodes=5 --zone <zone>

• 定位Pod调度失败具体原因
  通过kubectl describe pod <pending-pod-name>查看Events字段：

• 若提示Insufficient cpu/memory：降低Airflow Pod的resources.requests配置值；

• 若提示No nodes available that match all of the predicates：检查Pod的节点亲和性、污点容忍规则，确保与节点标签/污点匹配；

• 若提示Quota exceeded：查看项目区域CPU、内存配额使用情况，申请扩容。

• 检查节点状态与集群配额

1. 查看节点健康状态：kubectl get nodes，排除NotReady或SchedulingDisabled节点；
2. 查看区域资源配额：

   gcloud compute regions describe <region> --format="value(quotas)"
   

   重点关注CPUS、MEMORY等配额的使用占比，若已达上限，通过GCP控制台提交配额扩容申请。

内容的提问来源于stack exchange，提问作者David Essien