【正文】 HACMP，進(jìn)行功能測(cè)試。包括應(yīng)用在同一臺(tái)服務(wù)器的兩個(gè)網(wǎng)卡能否切換，在兩臺(tái)服務(wù)器間能否切換等?？捎妹睿?netstatin來看地址的切換情況四、HACMP常見的故障解決方法　　HACMP將診測(cè)并響應(yīng)于三種類型的故障：1網(wǎng)卡故障，2網(wǎng)絡(luò)工作，3節(jié)點(diǎn)故障。下面就這三種故障分別進(jìn)行介紹。 網(wǎng)卡故障　　HACMP的群集結(jié)構(gòu)中，除了TCP/IP網(wǎng)絡(luò)以外，還有一個(gè)非TCP/IP網(wǎng)絡(luò)，它實(shí)際上是一根“心跳”線，專門用來診測(cè)是節(jié)點(diǎn)死機(jī)還是僅僅網(wǎng)絡(luò)發(fā)生故障。如下圖所示，一旦節(jié)點(diǎn)加入了 Cluster(即該節(jié)點(diǎn)上的HACMP已正常啟動(dòng))，該節(jié)點(diǎn)的各個(gè)網(wǎng)卡、非TCP/IP網(wǎng)絡(luò)就會(huì)不斷地接收并送KeepAlive信號(hào)，KA的參數(shù)是可調(diào) 的，HA在連續(xù)發(fā)送一定數(shù)量個(gè)包都丟失后就可確認(rèn)對(duì)方網(wǎng)卡，或網(wǎng)絡(luò)，或節(jié)點(diǎn)發(fā)生故障。因此，有了KA后，HACMP可以很輕易地發(fā)現(xiàn)網(wǎng)卡故障，因?yàn)橐坏┠硥K網(wǎng)卡發(fā)生故障發(fā)往該塊網(wǎng)卡的KA就會(huì)丟失?！　〈藭r(shí)node 1上的cluster manager( HACMP的“大腦”)會(huì)產(chǎn)生一個(gè)swapadapter的事件，并執(zhí)行該事件的script(HACMP中提供了大部分通用環(huán)境下的事件scripts,它們是用標(biāo)準(zhǔn)AIX命令和HACMP工具來寫的)。每個(gè)節(jié)點(diǎn)上都有至少兩塊網(wǎng)卡，一塊是service adapter,提供對(duì)外服務(wù)，另一塊是standby adapter，它的存在只有cluster manager知道，應(yīng)用和client并不知道。　　一旦發(fā)生swapadapter事件后，cluster manager將原來service adapter的 IP地址轉(zhuǎn)移到standby adapter上，而standby地址轉(zhuǎn)移到故障網(wǎng)卡上，同時(shí)網(wǎng)絡(luò)上其他節(jié)點(diǎn)進(jìn)行ARP的刷新。網(wǎng)卡互換(swapadapter)在幾秒內(nèi)就可完成，以太網(wǎng)為3秒，并且這種轉(zhuǎn)換對(duì)應(yīng)用和client來說是透明的，只發(fā)生延遲但連接并不中斷?！　【W(wǎng)絡(luò)故障 如果發(fā)往node1上的service和standby網(wǎng)卡上的KA包全都丟失，而非TCP/IP網(wǎng)絡(luò)上的KA仍然存在，那么HACMP判斷node1仍然正常而網(wǎng)絡(luò)發(fā)生故障。此時(shí)HACMP執(zhí)行一個(gè)。 3 、節(jié)點(diǎn)故障 如果不僅TCP/IP網(wǎng)絡(luò)上的KA全部丟失，而且非TCP/IP網(wǎng)絡(luò)上的KA也丟失，那么HACMP斷定該節(jié)點(diǎn)發(fā)生故障，并產(chǎn)生nodedown事件。此時(shí)將有資源接管，即放在共享磁盤陳列上的資源將由備份節(jié)點(diǎn)接管，接管包括一系列操作：Acquire disks，Varyon VG, Mount file systems，Export NFS file systems, Assume IP network Address, Restart highly available applications,其中IP地址接管和重新啟動(dòng)應(yīng)用由HACMP來實(shí)現(xiàn)，而其他是由AIX來完成。 當(dāng)整個(gè)節(jié)點(diǎn)發(fā)生故障時(shí)，HACMP將故障節(jié)點(diǎn)的service IP address轉(zhuǎn)移到備份節(jié)點(diǎn)上，使網(wǎng)絡(luò)上的client仍然使用這個(gè)IP地址，這個(gè)過程稱為IP地址接管(IPAT)，當(dāng)一個(gè)節(jié)點(diǎn)down掉后，如果設(shè)置了IP地址接管，網(wǎng)絡(luò)上的clients會(huì)自動(dòng)連接到接管節(jié)點(diǎn)上；同樣，如果設(shè)置了應(yīng)用接管，該應(yīng)用會(huì)在接管節(jié)點(diǎn)上自動(dòng)重啟，從而使系統(tǒng)能繼續(xù)對(duì)外服務(wù)。對(duì)于要實(shí)現(xiàn)接管的應(yīng)用，只需在HACMP中把它們?cè)O(shè)置成application server,并告訴HACMP啟動(dòng)這個(gè)應(yīng)用的start script的全路徑名和停止該應(yīng)用的stop script的全路徑名。由此可見，應(yīng)用接管的配置在HACMP中十分簡(jiǎn)單，重要的是start script和stop script的寫作，這需要用戶對(duì)自己應(yīng)用的了解。 其他故障 HACMP只去檢測(cè)網(wǎng)卡、網(wǎng)絡(luò)和節(jié)點(diǎn)是否發(fā)生故障，并作出相應(yīng)的轉(zhuǎn)移、接管行為。對(duì)于其他故障，那么HACMP缺省不作任何動(dòng)作。 a、硬盤故障 一般我們都將硬盤設(shè)置成RAID5方式或mirror方式，從而提供硬盤的高可用性。RAID5將奇偶較驗(yàn)位分散在硬盤組中，因此當(dāng)一組內(nèi)的一個(gè)硬盤壞掉，組內(nèi)的其他硬盤可以通過奇偶較驗(yàn)位將該硬盤上的數(shù)據(jù)恢復(fù)出來。RAID5方式一般是由硬件實(shí)現(xiàn)的，如下7133的SSA適配器,而且如果同一組內(nèi)的兩個(gè)硬盤壞掉，該組硬盤的數(shù)據(jù)很可能就會(huì)全部丟失。mirror方式是將同一個(gè)數(shù)據(jù)寫到至少兩個(gè)物理外置上，因此它的效率沒有RAID5好，而且用盤量大，但安全性比RAID5高，而且它易于實(shí)現(xiàn)，通過AIX中的(Logic Volume Management)可以很方便地設(shè)置。 b、硬盤控制卡 存儲(chǔ)設(shè)備連接到主機(jī)上都必須通過一塊控制卡，SCSI設(shè)備是SCSI Adapter, SSA設(shè)備是SSA Adapter,如果這塊卡壞掉，與之連接的外設(shè)就無法利用。有幾種辦法可以解決這個(gè)問題。 一種辦法是用多個(gè)adapter。每個(gè)主機(jī)上都有兩塊或兩塊以上adapter,分別連接mirror的數(shù)據(jù)，因此無論是硬盤壞掉，還是Adapter壞掉，所有好數(shù)據(jù)還是可以被主機(jī)利用，不會(huì)出現(xiàn)單點(diǎn)故障。這種方法實(shí)現(xiàn)起來并不難，但必須配置多塊adapter,而且必須采用數(shù)據(jù)mirror方式。這種方法也不用通過HACMP來實(shí)現(xiàn)。 另一種方法仍只用一塊adapter,利用HACMP中的Error Notification Facility( 錯(cuò)誤通告機(jī)制)來解決。 Error Notification Facility是HACMP提供的對(duì)其他設(shè)備的監(jiān)控工具，任何報(bào)告給AIX的錯(cuò)誤(error)都能被捕獲被采取相應(yīng)措施。HACMP提供了smit界面，使配置簡(jiǎn)單化。 我們已知道，用LVM可實(shí)現(xiàn)硬盤鏡像，當(dāng)一個(gè)盤壞掉，仍有一份數(shù)據(jù)在鏡像盤里，數(shù)據(jù)仍可進(jìn)行讀寫，但此時(shí)數(shù)據(jù)不再有可用性，若鏡像盤也壞掉則數(shù)據(jù)全部丟失。所以在此例中，PV丟失(LVM_PVMISS)的信息會(huì)大幅顯示在控制臺(tái)面上，從而提醒用戶去仔細(xì)查看error log找出故障并修復(fù)它。同樣，此例中HACMP提供了界面，結(jié)合AIX的功能，從而監(jiān)控故障的發(fā)生。 c.、應(yīng)用故障 如果用戶的應(yīng)用有kernel call調(diào)用，或以root身份來啟動(dòng)等，一旦應(yīng)用發(fā)生故障，很容易導(dǎo)致操作系統(tǒng)down掉，發(fā)生死機(jī)，這時(shí)實(shí)際上等于節(jié)點(diǎn)故障，HACMP會(huì)采取相應(yīng)接管措施。如果只是應(yīng)用自身死掉，AIX仍正常運(yùn)行，HACMP最多利用Error Notification Facility來提供監(jiān)控功能，對(duì)應(yīng)用本身不采取任何動(dòng)作。但如果應(yīng)用中調(diào)用了AIX的SRC (System Resource Controller)機(jī)制所提供的API接口，就可以使應(yīng)用在down掉后自動(dòng)重新啟動(dòng)。除了SRC提供API接口外，HACMP中的clinfo也提供這樣的API。 clinfo是cluster Information daemon,它負(fù)責(zé)維護(hù)整個(gè)cluster的狀態(tài)的信息，clinfo API允許應(yīng)用程序利用這些狀態(tài)信息來采取相應(yīng)行動(dòng)。 d.、HACMP故障 如果cluster中節(jié)點(diǎn)的HACMP進(jìn)程down掉，HACMP將其升級(jí)為節(jié)點(diǎn)故障，從而發(fā)生資源接管。 如上所述，HACMP只全權(quán)負(fù)責(zé)診斷網(wǎng)卡故障、網(wǎng)絡(luò)故障和節(jié)點(diǎn)故障這三類故障，并負(fù)責(zé)實(shí)現(xiàn)IP地址轉(zhuǎn)換或接管，以及整個(gè)系統(tǒng)資源( 硬件、文件、系統(tǒng)、應(yīng)用程序，等等)的接管。對(duì)于這三類故障外的其他故障，可以結(jié)合AIX基本功能和HACMP提供的一些機(jī)制，如Error Notification Facility, clinfo API 等，同樣可以實(shí)現(xiàn)對(duì)故障的監(jiān)控并采取相應(yīng)措施。6 / 6