Azure AKS上FluxCD重引导后协调器报错排查求助

核心根源 #

同一Flux仓库分支被两个集群先后执行flux bootstrap操作，导致Git仓库中存储的集群专属Flux配置被后执行bootstrap的集群覆盖，原集群的Flux控制器拉取到被修改后的配置后，出现一系列不匹配的协调错误。

对应三类错误的具体原因 #

• ImagePolicy无法确定最新标签（版本列表参数为空）
  该错误是连锁反应的结果：由于ImageRepository的认证或配置出现问题（对应第三类错误），导致Flux无法拉取镜像仓库的标签列表，ImagePolicy自然无法从空列表中筛选最新版本。另外，若Git中ImagePolicy的filter或policy配置被新集群的bootstrap修改，也会导致标签筛选逻辑失效。

• HelmRelease前次发布修复失败
  重复执行bootstrap会重置Flux控制器的状态，同时覆盖Git仓库中HelmRelease的集群专属配置（如values里的集群域名、存储类等参数）。原集群的HelmRelease配置被修改后，Flux尝试基于新配置修复之前的发布，但新旧配置不匹配（比如依赖的资源不存在），或者之前的发布流程被bootstrap中断导致状态异常，最终修复失败。

• ImageRepository提示密钥中找不到ACR认证（但密钥实际包含）
  主要有两种可能：

  1. 地址匹配不严格：Flux对镜像仓库地址的匹配要求完全一致，若ImageRepository中配置的镜像地址是myacr.azurecr.io/xxx，但Secret的.dockerconfigjson中存储的认证key是https://myacr.azurecr.io（带协议），就会出现匹配失败。
  2. Secret引用不匹配：新集群bootstrap生成的Secret会覆盖Git中对应的Secret配置（比如标签、名称或namespace），原集群的ImageRepository引用的Secret标签/选择器与当前存在的Secret不匹配，导致Flux无法正确关联认证信息。另外，Flux控制器的缓存未及时更新，也会暂时出现找不到认证的情况。

内容的提问来源于stack exchange，提问作者Koman