转载

ROSE HA，想说爱你不容易——为ROSE HA配置IP资源的LocalFailover

我们有几个项目使用了Windows Server 2008+ROSE HA+Oracle的组合方案，但是最近遇到了一个不大不小的麻烦。
甲方在进行故障测试时，断掉了一个网络交换机的电源(共有两个网络交换机，对应两个冗余的业务网络)，Oracle服务竟然停止了，导致所有的客户端数据库连接中断。
首先，这个测试结果甲方是无法接受的；
其次，这个结果也出乎我们的意料，在另外一个交换机正常工作的情况下，ROSE HA停止了Oracle服务。

那么，如何给甲方一个交代呢？在和ROSE售后经过多次沟通后，配置IP资源的LocalFailover似乎是个不错的选择。

一、ROSE HA是什么

ROSE HA是美国ROSE Datasystem 公司出品的新一代高可用性软件，它可以将UNIX服务器和Windows 服务器组成集群系统，并对服务器进行监控、故障检测、故障恢复，保护运行服务器中的关键性数据服务和网络服务。对于在客户机/服务器环境中的网络及数据库中集成的高可用需求，ROSE HA提供了非常灵活而且适用的解决方案。

二、IP资源(IP Resource)

ROSE HA包括卷资源、IP资源、应用程序等多种资源，其中IP资源(IP Resource)由IP地址和IP地址依赖的网卡组成。网卡组作为创建IP资源的载体需要首先创建。
IP资源分为心跳IP和虚拟IP两类。心跳IP作为集群服务传递信息的桥梁，虚拟IP作为客户端访问应用程序的入口地址。

管理员可以根据具体需求，灵活创建网卡组。创建网卡组时，需要注意以下几个方面：
1.网卡组中的网卡上的IP可以在不同的网段，即组成网卡组的网卡可以自由组合；
2.集群节点心跳IP的简历需要同一个IP段的IP地址；
3.在网卡组中的主机允许选择超过一片的网卡，以配合做IP资源的LocalFailover(多片网卡需要用户指定一个优先顺序)；
4.基于网卡组的IP资源的替换IP功能会作用于该资源，不单独提供或者智能的替换某些主机的网卡上的IP地址。

三、如何设置IP资源的LocalFailover

假如我们现在有两台服务器，每台服务器上有两片网卡：

服务器名称	IP1	IP2
SUPPORT-58-114	192.168.58.114	192.168.10.114
SUPPORT-58-113	192.168.58.113	192.168.10.113

其中，对应的虚拟IP分别为192.168.58.115和192.168.10.115。
接下来，我们来配置IP资源的LocalFailover。

1.将资源带出

首先，我们修改IP资源的配置前，需要将资源带出。ROSE HA会自动把所有的服务停止，所有的资源都处于离线状态。
通过右键菜单“带出”即可。

2.配置网卡组

选中网卡组1，右键“属性”，将10网段的网卡信息添加到网卡列表中，注意优先级顺序(58在前，10在后)；
选中网卡组2，右键“属性”，将58网段的网卡信息添加到网卡列表中，注意优先级顺序(10在前，58在后)；
ROSE HA，想说爱你不容易——为ROSE HA配置IP资源的LocalFailover

ROSE HA，想说爱你不容易——为ROSE HA配置IP资源的LocalFailover

3.网卡组配置完成

4.配置IP资源

选中IP资源1，勾选“自动回切IP”，注意，不要勾选“替换IP”；
选中IP资源2，勾选“自动回切IP”，注意，不要勾选“替换IP”；
ROSE HA，想说爱你不容易——为ROSE HA配置IP资源的LocalFailover

5.将资源带入

最后，我们修改IP资源的配置后，需要将资源带入。ROSE HA会自动将所有的资源带入在线状态，并启动相关服务。
通过右键菜单“带入”即可。

四、看似完美的LocalFailover

这样，我们就完成了为ROSE HA配置IP资源的LocalFailover。
现在我们考虑以下场景，ROSE HA状态正常，服务器SUPPORT-58-114为当前活动主机，
当对应IP为192.168.58.114的网卡1(命名为HOEGH-1)故障时，ROSE HA会完成LocalFailover，IP资源会转而挂在网卡2上，而不会自动倒切服务；
当网卡1(命名为HOEGH-1)恢复时，ROSE HA会完成LocalFailover，IP资源会恢复挂在网卡1上，同样不会倒切服务。

我们来看一下LocalFailover过程中的ROSE HA的日志：

点击(此处)折叠或打开

[2016-07-27 12:34:46][ERROR]<5005>网卡(HOEGH-1)断开网络连接。
[2016-07-27 12:34:48][INFO ]<5150>[LocalFailOver]本地停止资源组(Oracle)中的资源(IP-Oracle)开始。
[2016-07-27 12:34:48][INFO ]<5008>停止网卡({17C98833-C217-43BB-8852-74D21D9A08DB})活动IP(192.168.58.115)成功。
[2016-07-27 12:34:48][INFO ]<5152>[LocalFailOver]本地停止资源组(Oracle)中的资源(IP-Oracle)成功。
[2016-07-27 12:34:48][INFO ]<5147>[LocalFailOver]本地启动资源组(Oracle)中的资源(IP-Oracle)开始。
[2016-07-27 12:34:52][INFO ]<5011>启动网卡({C30FAA44-25C7-42DF-8859-AF21462E933F})活动IP(192.168.58.115)成功。
[2016-07-27 12:34:52][INFO ]<5149>[LocalFailOver]本地启动资源组(Oracle)中的资源(IP-Oracle)成功。
[2016-07-27 12:34:52][INFO ]<5202>资源组(Oracle)中资源(IP-Oracle)的本地failover成功。
[2016-07-27 12:35:08][INFO ]<5410>客户端（sessionId:0x401）断开连接
[2016-07-27 12:35:46][INFO ]<5006>网卡(HOEGH-1)的网络连接恢复正常。
[2016-07-27 12:35:48][INFO ]<5150>[LocalFailOver]本地停止资源组(Oracle)中的资源(IP-Oracle)开始。
[2016-07-27 12:35:48][INFO ]<5008>停止网卡({C30FAA44-25C7-42DF-8859-AF21462E933F})活动IP(192.168.58.115)成功。
[2016-07-27 12:35:48][INFO ]<5152>[LocalFailOver]本地停止资源组(Oracle)中的资源(IP-Oracle)成功。
[2016-07-27 12:35:48][INFO ]<5147>[LocalFailOver]本地启动资源组(Oracle)中的资源(IP-Oracle)开始。
[2016-07-27 12:35:53][INFO ]<5011>启动网卡({17C98833-C217-43BB-8852-74D21D9A08DB})活动IP(192.168.58.115)成功。
[2016-07-27 12:35:53][INFO ]<5149>[LocalFailOver]本地启动资源组(Oracle)中的资源(IP-Oracle)成功。
[2016-07-27 12:35:53][INFO ]<5202>资源组(Oracle)中资源(IP-Oracle)的本地failover成功。

五、不完美的LocalFailover

配置IP资源的LocalFailover后，重复甲方的故障测试，系统没有倒切，Oracle服务没有中断。这也算是给甲方一个交代。
但是，这样会导致设备“带病工作”。
我们考虑以下场景，ROSE HA配置了IP资源的LocalFailover，当当前主机的其中一片网卡故障后，系统不会倒切，而此时另外一个主机的两片网卡都是正常工作的。这一点不完美。
为此，我们和ROSE售后以及技术人员都沟通过，提出两点疑问：
1.如果两台主机配置了多个IP资源，那么当二者同时存在一片网卡故障时，考虑到健康度相等，ROSE HA应该保持原状，继续对外提供服务，而不是关闭服务；
2.ROSE HA配置了IP资源的LocalFailover后，可能存在“带病工作”的情况。
ROSE售后以及技术人员也承认存在这样的问题，但是，他们暂时不会考虑去修改ROSE HA的倒切逻辑。

如果ROSE不改变，也许我们就得考虑改变了。

~~~~~~~ the end~~~~~~~~~
hoegh
2016.08.04

正文到此结束