我的学习空间

2/25/2026

高可用集群

1. 名字的由来：

2. 它的核心使命是什么？
想象一下，你开了一个24小时营业的网店。你的服务器就是那个唯一的收银员。

没有HA的场景： 收银员生病了/累倒了（服务器宕机），你的店就得关门，顾客全跑了。这叫单点故障。
有HA的场景： 你雇了两个收银员。
- 主收银员在干活。
- 备用收银员坐在旁边死死盯着主收银员（心跳监控）。
- 一旦主收银员晕倒（发生故障），备用收银员0.1秒内就跳起来顶上，接着收钱（资源接管）。
- 顾客甚至都没发现换人了，还以为一直是同一个人在服务。

总结一句话： 高可用集群就是为了让你用户无感知的情况下，搞定后台所有的故障。

你文中提到的 active/standby 方式，就是最标准、最经典的“双机热备”。我们把这个场景再细化一下：

有两台服务器：A（主）和 B（备）。
它们共同守护着一个核心业务：一个网站（比如是一个电商网站）。

主节点（A服务器）：
- 手里握着 VIP（虚拟IP，例如 192.168.1.100）。用户访问网站，实际上都是通过这个IP找到A服务器的。
- 运行着网站服务（Nginx/Apache）、数据库等。
- 状态： 累死累活，拼命工作。
备节点（B服务器）：
- 也安装了同样的软件，但是服务没启动。
- 它只干一件事：竖起耳朵听A服务器的“心跳”（通过心跳线，可以是一根网线）。
- 状态： 无所事事，但保持警觉。

突然，A服务器的网线被人踢掉了（网络故障），或者网站服务进程挂了（服务故障）。

B服务器的反应：
- “哎？怎么听不到A的心跳了？”
- B不会立刻动手，它会再确认一下，比如通过串口线或者另一块网卡再问问（防止误判）。
- 确认A真的死了，B就开始执行应急预案。

B服务器开始干活，整个过程按秒计算：

A服务器修好了，重新开机上线。

两种策略：
- 自动切回： A一上线，B发现A活了，B会说“老大回来了，还是你来干活吧”，然后把VIP和服务还给A，自己继续当小弟。
- 手动干预： A虽然上线了，但B说“你先歇着，让我看看情况”，B继续提供服务，直到管理员确认A完全正常后，手动把服务切回A。

你文中提到“监控的资源可以是网络、操作系统、也可以是服务”，这非常重要。高可用软件不是傻子，它分层次监控：

硬件/网络层（最低级）： 服务器是否关机？网线是不是断了？电源有没有烧？
- 例子：心跳线断了，备机发现主机没反应。
操作系统层（中间级）： 系统是不是死机了（内核崩溃）？硬盘是不是满了？
- 例子：系统卡死了，虽然机器没关机，但谁也连不进去。
应用/服务层（最高级）： 你的网站程序还在运行吗？数据库还能连上吗？
- 例子：Nginx进程虽然还在，但因为配置文件错了，返回的网页是502错误。备机通过访问网页检测发现不对劲，立马切换。

双机热备 = 两台电脑 + 一根心跳线 + 一套监控脚本 + 一个共享的IP地址。

平时主干活备看着；出事时备秒变主，抢过IP接着干；用户全程无感。

Heartbeat： 老牌的开源软件，非常经典，但配置相对复杂（代码比较古老了）。
Keepalived： 极其常用！ 配置简单，主要擅长抢IP（VIP漂移）。如果你的场景主要是基于IP的切换（比如LVS负载均衡器的高可用），用这个最顺手。
RHCS (Red Hat Cluster Suite)： RedHat企业版自带的套件，功能强大，但如果你用的是CentOS，配置起来略重。
Corosync + Pacemaker（但现在是主流）： 这是目前Linux高可用的主流组合（Heartbeat的升级替代品）。Corosync负责传递心跳，Pacemaker负责管理资源和决定谁来干活。