Keepalived腦裂的解決和預(yù)防

在實(shí)際生產(chǎn)環(huán)境中，我們可以從以下幾個(gè)方面來(lái)防止裂腦問(wèn)題的發(fā)生：

同時(shí)使用串行電纜和以太網(wǎng)電纜連接，同時(shí)用兩條心跳線路，這樣一條線路壞了，另一個(gè)還是好的，依然能傳送心跳消息。

當(dāng)檢測(cè)到裂腦時(shí)強(qiáng)行關(guān)閉一個(gè)心跳節(jié)點(diǎn)（這個(gè)功能需特殊設(shè)備支持，如Stonith、feyce）。相當(dāng)于備節(jié)點(diǎn)接收不到心跳消患，通過(guò)單獨(dú)的線路發(fā)送關(guān)機(jī)命令關(guān)閉主節(jié)點(diǎn)的電源。

做好對(duì)裂腦的監(jiān)控報(bào)警（如郵件及手機(jī)短信等或值班）.在問(wèn)題發(fā)生時(shí)人為第一時(shí)間介入仲裁，降低損失。例如，百度的監(jiān)控報(bào)警短倍就有上行和下行的區(qū)別。報(bào)警消息發(fā)送到管理員手機(jī)上，管理員可以通過(guò)手機(jī)回復(fù)對(duì)應(yīng)數(shù)字或簡(jiǎn)單的字符串操作返回給服務(wù)器.讓服務(wù)器根據(jù)指令自動(dòng)處理相應(yīng)故障，這樣解決故障的時(shí)間更短.

當(dāng)然，在實(shí)施高可用方案時(shí)，要根據(jù)業(yè)務(wù)實(shí)際需求確定是否能容忍這樣的損失。對(duì)于一般的網(wǎng)站常規(guī)業(yè)務(wù).這個(gè)損失是可容忍的。

多節(jié)點(diǎn)集群中，可以通過(guò)增加仲裁的機(jī)制，確定誰(shuí)該獲得資源，這里面有幾個(gè)參考的思路：

1.增加一個(gè)仲裁機(jī)制。例如設(shè)置參考的IP，當(dāng)心跳完全斷開(kāi)的時(shí)候，2個(gè)節(jié)點(diǎn)各自都ping一下參考的IP，不同則表明斷點(diǎn)就出現(xiàn)在本段，這樣就主動(dòng)放棄競(jìng)爭(zhēng)，讓能夠ping通參考IP的一端去接管服務(wù)。

2.通過(guò)第三方軟件仲裁誰(shuí)該獲得資源，這個(gè)在阿里有類似的軟件應(yīng)用

啟用磁盤鎖。正在服務(wù)一方鎖住共享磁盤，腦裂發(fā)生的時(shí)候，讓對(duì)方完全搶不走共享的磁盤資源。但使用鎖磁盤也會(huì)有一個(gè)不小的問(wèn)題，如果占用共享盤的乙方不主動(dòng)解鎖，另一方就永遠(yuǎn)得不到共享磁盤?，F(xiàn)實(shí)中介入服務(wù)節(jié)點(diǎn)突然死機(jī)或者崩潰，另一方就永遠(yuǎn)不可能執(zhí)行解鎖命令。后備節(jié)點(diǎn)也就截關(guān)不了共享的資源和應(yīng)用服務(wù)。于是有人在HA中涉及了“智能”鎖，正在服務(wù)的一方只在發(fā)現(xiàn)心跳線全部斷開(kāi)時(shí)才啟用磁盤鎖，平時(shí)就不上鎖了

報(bào)警報(bào)在服務(wù)器接管之前，給人員處理留足夠的時(shí)間就是1分鐘內(nèi)報(bào)警了，但是服務(wù)器不接管，而是5分鐘之后接管，接管的時(shí)間較長(zhǎng)。數(shù)據(jù)不會(huì)丟失，但就是會(huì)導(dǎo)致用戶無(wú)法寫(xiě)數(shù)據(jù)。報(bào)警后，不直接自動(dòng)服務(wù)器接管，而是由人員接管。

檢查處理腳本（供參考）

注：

1.腳本無(wú)法解決服務(wù)器主備之間因?yàn)榉阑饓?，配置等產(chǎn)生的腦裂問(wèn)題（安裝配置時(shí)注意檢查，keepalived服務(wù)正常運(yùn)行后再加入檢查處理腳本），腳本只能處理自身網(wǎng)絡(luò)問(wèn)題產(chǎn)生的腦裂，必須保證網(wǎng)關(guān)服務(wù)器穩(wěn)定

2.備機(jī)獲取vip有2種情況:A主機(jī)keepalived服務(wù)發(fā)生故障vip漂移（非腦裂）;B主機(jī)通信異常vip漂移（腦裂）。

腳本使用機(jī)制（引入第三方仲裁），步驟：

1.查看是否可獲取vip，未獲?。号袛鄈eepalived服務(wù)運(yùn)行狀態(tài)，運(yùn)行中不操作，未運(yùn)行重新啟動(dòng)，結(jié)束腳本。

2.服務(wù)器周期性地ping一下網(wǎng)關(guān)（第三方仲裁ip地址），如果ping通:判斷keepalived服務(wù)運(yùn)行狀態(tài)，運(yùn)行中不操作，未運(yùn)行重新啟動(dòng)，結(jié)束腳本;如果ping不通則認(rèn)為自身有問(wèn)題，累計(jì)次數(shù)達(dá)到閾值，關(guān)閉keepalived。

腳本執(zhí)行方式：

1.借助keepalived提供的vrrp_script及track_script實(shí)現(xiàn)（腳本內(nèi)keepalived服務(wù)如果被關(guān)閉，腳本將不在執(zhí)行,重新啟動(dòng)不生效），配置：

...
vrrp_scriptcheck_local{
script "/usr/local/src/check_gateway.sh 192.168.1.198" #192.168.1.198 需要檢查的vip
interval10#10秒一次
...
track_script{
check_local
}

2.linux定時(shí)任務(wù)（查看 tailf /var/spool/mail/root）

crontab -e

#1分1次延遲10秒實(shí)現(xiàn)(時(shí)間自定義)keepalived服務(wù)腦裂腳本
*****sleep10;bash/usr/local/src/check_gateway.sh192.168.1.198

腳本內(nèi)容（根據(jù)實(shí)際環(huán)境修改網(wǎng)關(guān)ip，是否重新啟動(dòng)keepalived服務(wù)）：

vim /usr/local/src/check_gateway.sh

#!/bin/bash
export PATH=$PATH:/usr/sbin
#腦裂檢查及控制：第三方仲裁機(jī)制，使用ping網(wǎng)關(guān)ip方式
#循環(huán)次數(shù)
CHECK_TIME=3
#虛擬ip
VIP=$1
#網(wǎng)關(guān)ip(根據(jù)實(shí)際環(huán)境修改)
GATEWAY=192.168.1.8
#本機(jī)網(wǎng)卡
eth=enp2s0
#服務(wù)器和網(wǎng)關(guān)通信狀態(tài)  0=失敗，1=成功
keepalived_communication_status=1
#是否獲取vip狀態(tài) 0=失敗，1=成功
get_vip_status=1
#keepalived服務(wù)狀態(tài) 0=未運(yùn)行，1=運(yùn)行中
keepalived_service_status=1
#服務(wù)狀態(tài)運(yùn)行中字符串
active_status_str='active (running)'
echo "開(kāi)始執(zhí)行腳本 check_gateway.sh $VIP；時(shí)間:"
date
#查看是否獲取vip狀態(tài)
function check_get_vip_status() {
  #通過(guò)ip add命令查看ip信息，搜索$VIP，統(tǒng)計(jì)行數(shù)，是否等于1
  if [ $(ip add | grep "$VIP" | wc -l) -eq 1 ]; then
    get_vip_status=1
  else
    get_vip_status=0
  fi
  return $get_vip_status
}
 
#檢查通信狀態(tài)
function check_keepalived_status() {
  #檢測(cè)$VIP 能否ping通$GATEWAY：使用$eth網(wǎng)絡(luò)設(shè)備（-I $eth），發(fā)送數(shù)據(jù)包5（-c 5），源地址$VIP詢問(wèn)目的地[vip] $GATEWAY [網(wǎng)關(guān)地址 公用參考ip]（-s $VIP $GATEWAY） 日志不保存 >/dev/null 2>&1
  /sbin/arping -I $eth -c 5 -s $VIP $GATEWAY >/dev/null 2>&1
  #判斷上一步執(zhí)行結(jié)果 等于0成功
  if [ $? = 0 ]; then
    keepalived_communication_status=1
  else
    keepalived_communication_status=0
  fi
  return $keepalived_communication_status
}
 
#檢查keepalived服務(wù)狀態(tài)
function check_keepalived_service_status() {
  #通過(guò)systemctl status keepalived.service命令查看keepalived服務(wù)狀態(tài)，搜索$active_status_str，統(tǒng)計(jì)行數(shù)，是否等于1
  if [ $(systemctl status keepalived.service | grep "$active_status_str" | wc -l) -eq 1 ]; then
    keepalived_service_status=1
  else
    keepalived_service_status=0
  fi
  return $keepalived_service_status
}
 
#循環(huán)執(zhí)行
#判斷$CHECK_TIME 不等于 0
while [ $CHECK_TIME -ne 0 ]; do
  #執(zhí)行check_get_vip_status獲取get_vip_status
  check_get_vip_status
  #未獲取vip
  if [ $get_vip_status = 0 ]; then
    #修改CHECK_TIME值 結(jié)束循環(huán)
    CHECK_TIME=0
    #檢查服務(wù)狀態(tài) 執(zhí)行check_keepalived_service_status獲取keepalived_service_status
    if [ $keepalived_service_status = 0 ]; then
      echo "執(zhí)行腳本 check_gateway.sh $VIP；啟動(dòng)keepalived服務(wù)"
      systemctl start keepalived.service
    fi
 
    echo "執(zhí)行腳本 check_gateway.sh $VIP；執(zhí)行結(jié)果：未獲取vip，無(wú)需處理，腳本執(zhí)行結(jié)束，時(shí)間:"
    date
    #正常運(yùn)行程序并退出程序
    exit 0
  fi
  #$CHECK_TIME  = $CHECK_TIME-1
  let "CHECK_TIME -= 1"
  #執(zhí)行check_keepalived_status獲取keepalived_communication_status
  check_keepalived_status
  #判斷 $keepalived_communication_status = 1 通信成功
  if [ $keepalived_communication_status = 1 ]; then
    #修改CHECK_TIME值 結(jié)束循環(huán)
    CHECK_TIME=0
    #檢查服務(wù)狀態(tài) 執(zhí)行check_keepalived_service_status獲取keepalived_service_status
    check_keepalived_service_status
    if [ $keepalived_service_status = 0 ]; then
      echo "執(zhí)行腳本 check_gateway.sh $VIP；啟動(dòng)keepalived服務(wù)"
      systemctl start keepalived.service
    fi
 
    echo "執(zhí)行腳本 check_gateway.sh $VIP；GATEWAY=$GATEWAY，執(zhí)行結(jié)果：通信正常，無(wú)需處理，腳本執(zhí)行結(jié)束，時(shí)間:"
    date
    #正常運(yùn)行程序并退出程序
    exit 0
  fi
  #通信失敗&&連續(xù)3次
  if [ $keepalived_communication_status -eq 0 ] && [ $CHECK_TIME -eq 0 ]; then
    #關(guān)閉keepalived
    echo "執(zhí)行腳本 check_gateway.sh $VIP；關(guān)閉keepalived服務(wù)"
    systemctl stop keepalived.service
    echo "執(zhí)行腳本 check_gateway.sh $VIP；GATEWAY=$GATEWAY，執(zhí)行結(jié)果：通信失敗&&連續(xù)3次 關(guān)閉keepalived，腳本執(zhí)行結(jié)束，時(shí)間:"
    date
    #非正常運(yùn)行程序并退出程序
    exit 1
  fi
  sleep 3
done