SKS-2345: Add support for system disk expansion

[haijianyang]

Issue

支持虚拟机磁盘扩容

• 创建节点的时候指定磁盘大小
• 磁盘容量热扩容

Change

磁盘扩容技术文档

待讨论：

• 创建节点的时候，通过 cloud-init 对磁盘进行的扩容操作在 CAPE 进行还是在虚拟机模板进行。当前 CAPE 在 CAPI 生成的 cloud-init 基础上增加了磁盘操作命令。
• host-agent 任务失败后的重试策略。当前任务失败后每两三分钟重试一次。

Test

1. 创建 1CP + 1Worker 集群，指定磁盘容量为 220G（虚拟机模板默认 200G）

apiVersion: kubesmart.smtx.io/v1alpha1
kind: KubeSmartCluster
metadata:
  name: haijian-test1
  namespace: default
spec:
  version: v1.25.15
  controlPlaneEndpoint:
    host: 1.1.1.1
    port: 6443
  network:
    managementNetworkInterface: ens4
    cni:
      name: calico
  storage:
  topology:
    controlPlane:
      name: controlplane
      replicas: 1
      nodeConfig:
        cpuCores: 8
        memoryMB: 12288
        diskGiB: 220
        cloneMode: FastClone
        network:
          nameservers: []
          devices:
          - networkType: IPV4_DHCP
    workers:
    - name: workergroup1
      replicas: 1
      nodeConfig:
        cpuCores: 8
        memoryMB: 8192
        diskGiB: 220
        cloneMode: FastClone
        network:
          ipPoolRef:
            namespace: default
            name: ip-pool-node
          nameservers: []
          devices:
          - networkType: IPV4_DHCP
  cloudProvider:
    name: cloudtower
    cloudtower:
      cloudtowerServer:
        secretRef:
          name: cloudtower-server
          namespace: default
      elfCluster: dd1f408f-7715-48c1-a817-13c3568f1d93
      elfVlan: dd1f408f-7715-48c1-a817-13c3568f1d93_4cd00407-63ca-440b-80b7-ceacfccb8d08
      vmTemplate: sks-rocky-8.8-amd64-ens4-k8s-v1.25.15-template-v3growpart01-20240117073358
      zbsVip: 10.244.0.11

2. 观察到创建出来的节点虚拟机的磁盘容量符合预期
   
   
   
   

3. 集群创建出来后，将磁盘容量从 220G -> 240G，观察到触发了磁盘扩容：
   
   

[jessehu]

@Levi080513 帮忙review下

[Levi080513]

@Levi080513 帮忙review下

👌

[Levi080513]

这些 agentJob 要不要考虑在执行完成后进行清理？

[haijianyang]

可以删除，agent 也许会支持自动清理。

[jessehu]

磁盘扩容过程增加扩容前检查和集群升级、节点故障等场景的判断处理

@haijianyang 集群的状态检查可以在KSC webhook中做吗？这样可以直接把错误返回给UI。

[haijianyang]

磁盘扩容过程增加扩容前检查和集群升级、节点故障等场景的判断处理

@haijianyang 集群的状态检查可以在KSC webhook中做吗？这样可以直接把错误返回给UI。

可以在 webhook 拦截，检查磁盘扩容的时候的集群状态。但如果集群在扩容的时候滚动了，这个没有办法反馈。

[Levi080513]

需不需要在 sks-controller-manager 判断一下 hostAgent 有没有部署且状态是否正常。

[haijianyang]

没有必要吧，这样就依赖这个服务了。

[Levi080513]

热扩容功能现阶段不是强依赖 hostAgent 么？

[haijianyang]

如果按照这个逻辑，那么 CAPE 依赖了其他服务，也都需要确认服务在正常运行？

如果要判断 agent 是否安装，应该是在上游判断吧。

[Levi080513]

我的意思是需不需要在 KSC 加对应的处理。虚拟机集群 1.3 会默认安装 hostAgent 么? @huaqing1994

[huaqing1994]

现在虚拟机集群没有默认安装。
我觉得对于 CAPE 来说，是可以不检查，host-config-agent 的 CR 能创建出来就 OK 了。

如果虚拟机热更新功能要进，感觉得所有集群都默认安装 host-config-agent。
不然要在 KSC 做前置判断，有点麻烦。

[Levi080513]

KSC webhook 检查是否 host-config-agent 安装以及状态正常？如果没有安装或者状态不正常，集群最终会处于 failed 么？

[huaqing1994]

webhook 能判断出所有热更新的情况就可以，怕以后热更新类型多了。
没安装或状态不对，CAPE 这边的处理就完不成，KSC 那边是会 Failed。

[haijianyang]

• 修改了是否已经启动过虚拟机的逻辑，防止每次启动虚拟机之前都会走是否需要进行磁盘扩容的逻辑
• 增加测试

[haijianyang]

兼容原有磁盘容量设置为 0，如果磁盘容量为 0，表示容量和虚拟机模板一样。