etcd集群因无效残留成员无法选主，删除成员时出现context deadline exceeded故障求助

碰到这种情况确实头疼——集群因为残留了一个从未成功加入的无效成员，导致Raft共识无法达成（4节点集群需要3票才能选主，但那个无效节点完全不可达，就算3个正常节点也凑不出有效的多数派），连成员删除请求都因为无主而超时。我给你一套实操性强的解决方案，步骤如下：

一、先备份所有节点的etcd数据（重中之重） #

不管做什么操作，先备份数据避免翻车：

# 以默认数据目录为例，根据你的实际路径调整
tar -czf etcd-data-$(date +%Y%m%d).tar.gz /var/lib/etcd

二、停止所有可用的etcd节点 #

先把三个正常节点的etcd服务停掉，防止集群状态进一步混乱：

# 用systemd管理的话执行这个命令
systemctl stop etcd

三、将其中一个正常节点重置为单节点集群 #

挑一个正常节点，修改它的启动参数，强制启动一个新的单节点集群（这一步会清除原来的无效成员记录）：

1. 先找到该节点原来的etcd启动配置（通常在/etc/systemd/system/etcd.service或者自定义配置文件里）
2. 修改启动参数，调整如下：
   • 把--initial-cluster改成只包含当前节点的peer地址
   • 将--initial-cluster-state从existing改成new
   • 添加--force-new-cluster参数
     举个实际例子：

   etcd --name node1 \
   --initial-advertise-peer-urls https://10.0.0.1:2380 \
   --listen-peer-urls https://10.0.0.1:2380 \
   --listen-client-urls https://10.0.0.1:2379,http://127.0.0.1:2379 \
   --advertise-client-urls https://10.0.0.1:2379 \
   --initial-cluster node1=https://10.0.0.1:2380 \
   --initial-cluster-token etcd-cluster-1 \
   --initial-cluster-state new \
   --force-new-cluster
   

3. 启动这个节点，此时它会成为一个独立的单节点etcd集群，你可以用etcdctl验证：

   etcdctl --endpoints=https://10.0.0.1:2379 member list
   

   此时列表里应该只有这一个节点，原来的无效成员已经被清除了。

四、重新加入另外两个正常节点 #

现在把剩下的两个正常节点重新加入到这个单节点集群：

1. 先在单节点上执行添加成员的命令：

   # 添加node2
   etcdctl --endpoints=https://10.0.0.1:2379 member add node2 --peer-urls=https://10.0.0.2:2380
   # 添加node3
   etcdctl --endpoints=https://10.0.0.1:2379 member add node3 --peer-urls=https://10.0.0.3:2380
   

2. 分别修改node2和node3的启动参数，去掉--force-new-cluster，把--initial-cluster-state改回existing，并且--initial-cluster包含当前单节点和自身的地址，然后启动服务：
   比如node2的启动参数：

   etcd --name node2 \
   --initial-advertise-peer-urls https://10.0.0.2:2380 \
   --listen-peer-urls https://10.0.0.2:2380 \
   --listen-client-urls https://10.0.0.2:2379,http://127.0.0.1:2379 \
   --advertise-client-urls https://10.0.0.2:2379 \
   --initial-cluster node1=https://10.0.0.1:2380,node2=https://10.0.0.2:2380 \
   --initial-cluster-token etcd-cluster-1 \
   --initial-cluster-state existing
   

3. 启动node2和node3的etcd服务：

   systemctl start etcd
   

五、验证集群恢复状态 #

等所有节点启动完成后，检查集群健康：

curl https://10.0.0.1:2379/health

正常情况下会返回{"health":"true"}，再查看成员列表确认只有三个正常节点：

etcdctl --endpoints=https://10.0.0.1:2379 member list

这样操作后，集群就能恢复正常的选主和共识能力了，核心思路就是先通过强制单节点集群清除无效成员，再重新组建正常的3节点集群。

备注：内容来源于stack exchange，提问作者Igor Artamonov