我的学习空间

核心概念深度解析

1. 节点 (Node)

• 定义： 集群中的物理服务器或虚拟机，是运行集群软件的载体。
• 关键特性：
  • 身份与状态： 集群中的每个节点都有一个唯一的主机名。除了你提到的主备之分，节点通常还会有一个“状态”，如：
    • 在线/离线： 心跳检测的结果。
    • 主/备： 资源的当前归属。
  • 隔离性： 为了防止“脑裂”（Split-Brain），节点必须具备自我隔离或被强制隔离的能力（Fencing），确保故障节点在资源转移后不会继续干扰集群。

2. 资源 (Resource)

• 定义： 为了提供特定服务所需的所有元素的抽象。
• 关键特性：
  • 资源的依赖关系： 资源之间通常存在启动顺序的依赖。例如：
    1. 必须先挂载磁盘分区（资源A）。
    2. 才能启动IP地址（资源B）。
    3. 最后才能启动应用服务（资源C，如Nginx或MySQL）。
  • 资源组： 为了简化管理，通常将存在依赖关系的多个资源（如VIP+HTTP服务）绑定在一起作为一个整体（资源组/服务组），在节点间一同转移。

3. 事件 (Event)

• 定义： 触发集群状态机发生变化的因素。
• 补充说明：
  • 分层故障： 事件不仅仅是“节点故障”。现代HA软件会区分不同层次的事件：
    • 资源级故障： 应用进程挂了，但节点正常。
    • 节点级故障： 系统宕机、内核崩溃、心跳丢失。
    • 网络级故障： 网卡失效或交换机断开。
  • 脑裂： 这是最严重的“事件”结果，指集群中因为心跳中断导致节点间失去联系，各自认为对方已死，从而争抢资源运行，造成数据损坏。

4. 动作 (Action)

• 定义： 策略引擎根据事件做出的最终决策。
• 补充说明：
  • 不仅仅是Shell脚本： 虽然底层通常由Shell脚本执行具体操作（如systemctl start nginx），但集群软件本身有一套复杂的策略引擎来决定“动作”的流程。典型的动作包括：
    • 故障转移： 主节点故障，备用节点接管资源。
    • 故障回复： 原主节点恢复后，资源是否自动回切。
    • ** fencing（隔离）：** 这是最重要的动作。确认节点故障后，集群必须通过STONITH（Shoot The Other Node In The Head）等手段强制关闭故障节点的电源或切断其磁盘访问，保证数据一致性。
  • 通知： 执行动作的同时，通常还会触发报警邮件或短信通知管理员。

总结流程图

将这些概念串联起来，一个典型的高可用集群工作流程如下：

1. 节点状态检测 (Heartbeat) —— 涉及节点
2. 事件发生 (如主节点网络中断) —— 涉及事件
3. 策略决策 (集群软件判定节点失联) —— 涉及策略
4. 执行隔离 (Fencing/STONITH，确保故障节点不再写入数据) —— 涉及动作
5. 资源转移 (在备用节点上启动IP、挂载磁盘、启动服务) —— 涉及资源