当节点拔掉网线时，节点认为自己在线。起搏器/Corosync

Question

我正在尝试使用 Pacemaker/Corosync 将 2 台计算机集群在一起。他们共享的唯一资源是 ocf:heartbeat:IPaddr 这是主要问题：

由于只有两个节点，因此只有在

no-quorum-policy=ignore

时才会发生故障转移。

当节点 A 拔掉网线后，节点 A 上的 corosync 绑定到 127.0.0.1，pacemaker 认为节点 A 仍然在线，节点 B 离线。

Pacemaker 尝试启动节点 A 上的 IPaddr，但由于没有网络连接而启动失败。另一方面，节点 B 识别出节点 B 已离线，如果 IPaddr 服务在节点 A 上启动，它将在其自身（节点 B）上成功启动它。

但是，由于服务无法在节点 A 上启动，因此它进入致命状态，必须重新启动才能重新加入集群。 （您可以重新启动一些所需的服务。）

1 解决方法是设置

start-failure-is-fatal="false"

，它使节点 A 继续尝试启动 IPaddr 服务，直到成功。这样做的问题是，一旦成功，两个节点之间就会出现 IP 冲突，直到它们重新集群并且其中一个节点放弃资源。

我正在考虑拥有一个镜像

cat /sys/class/net/eth0/carrier

的节点属性，当电缆连接时为 1，断开连接时为 0，然后有一个位置规则，表示如果“已连接”== 0 则不会启动服务之类的事情，但我们会看到。

任何想法或想法将不胜感激。

Answer 1

在 freenote.net/#linux-cluster irc 网络上与 Andrew Beekhof（Pacemaker 的作者）和 Digimer 交谈后，我了解到此问题背后的实际原因是集群未正确隔离。

隔离或启用 stonith 对于拥有成功的高可用性集群绝对重要。以下页面是有关该主题的必读内容：

集群教程：概念 - Fencing

非常感谢 Digimer 提供了这一宝贵的资源。关于聚类的部分回答了这个问题，但是整篇文章都是有益的。

基本上是击剑和 S.T.O.N.I.T.H. （射击头部的另一个节点）是集群用来确保故障节点实际上已死亡的机制。它需要这样做以避免共享内存损坏、脑裂状态（多个节点接管共享资源），并且大多数确保您的集群不会陷入恢复或崩溃。

如果您没有在集群环境中配置和启用 stonith/fencing，那么您确实需要它。

其他需要注意的问题是Stonith Deathmatch和Fencing Loops。

简而言之，通过创建我们自己的 Stonith 设备并按照 /usr/share/doc/cluster-glue/stonith/README.external 教程编写 stonith 代理，然后编写一个启动脚本，检查节点是否能够支持加入集群，然后启动 corosync 或等待 5 分钟并再次检查。

Answer 2

根据您的配置，两个节点之间的心跳将使用“127.0.0.1”，我认为这是完全错误的。 通常corosync需要绑定到私有IP，并且资源IPaddr服务应该使用与命名流量IP不同的IP。

例如：

节点A：192.168.1.00（心跳）； 10.0.0.1(流量ip)

节点B：192.168.1.101（心跳）； 10.0.0.2(流量ip)

如果我的理解是正确的，ipaddr服务将根据流量ip启动一个虚拟ip，我们假设它是10.0.0.3。

Answer 3

如何为两个不同网段设置fencing？例如我们有两台服务器。每台服务器都有 10.10.10.x 和 20.20.20.x 。如果任何一个网段发生任何情况，起搏器故障转移都会发生