故障轉(zhuǎn)移群集是一組協(xié)同工作以提供高可用性 (HA) 或連續(xù)可用性 (CA) 的計(jì)算機(jī)服務(wù)器。如果其中一臺(tái)服務(wù)器出現(xiàn)故障，集群中的另一個(gè)節(jié)點(diǎn)可以通過稱為故障轉(zhuǎn)移的過程以最短或沒有停機(jī)時(shí)間來承擔(dān)其工作負(fù)載。一些故障轉(zhuǎn)移群集僅使用物理服務(wù)器，而其他群集則涉及虛擬機(jī)(VM)。

故障轉(zhuǎn)移集群的主要目的是為應(yīng)用程序和服務(wù)提供 CA 或 HA。CA 集群也稱為容錯(cuò) (FT) 集群，允許最終用戶在服務(wù)器出現(xiàn)故障時(shí)繼續(xù)使用應(yīng)用程序和服務(wù)，而不會(huì)出現(xiàn)任何超時(shí)。HA集群可能會(huì)導(dǎo)致客戶服務(wù)的短暫中斷，但系統(tǒng)會(huì)自動(dòng)恢復(fù)，不會(huì)丟失數(shù)據(jù)，停機(jī)時(shí)間最短。

集群由兩個(gè)或多個(gè)節(jié)點(diǎn)（或服務(wù)器）組成，它們通過物理電纜或?qū)Ｓ冒踩W(wǎng)絡(luò)傳輸數(shù)據(jù)和軟件以處理數(shù)據(jù)。其他類型的集群技術(shù)可用于負(fù)載平衡、存儲(chǔ)以及并發(fā)或并行處理。一些實(shí)現(xiàn)將故障轉(zhuǎn)移集群與其他集群技術(shù)相結(jié)合。

故障轉(zhuǎn)移集群的工作原理

雖然 CA 故障轉(zhuǎn)移群集旨在實(shí)現(xiàn) 100% 的可用性，但 HA 群集嘗試 99.999% 的可用性 — 也稱為“五個(gè)九”。這種停機(jī)時(shí)間每年不超過 5.26 分鐘。CA 集群提供更高的可用性，但它們需要更多的硬件來運(yùn)行，這增加了它們的總體成本。

高可用性故障轉(zhuǎn)移集群

在高可用性集群中，獨(dú)立服務(wù)器組在整個(gè)系統(tǒng)中共享資源和數(shù)據(jù)。故障轉(zhuǎn)移集群中的所有節(jié)點(diǎn)都可以訪問共享存儲(chǔ)。高可用性集群還包括一個(gè)監(jiān)控連接，服務(wù)器使用它來檢查其他服務(wù)器的“心跳”或健康狀況。在任何時(shí)候，集群中至少有一個(gè)節(jié)點(diǎn)是活動(dòng)的，而至少一個(gè)是被動(dòng)的。

在簡單的雙節(jié)點(diǎn)配置中，例如，如果節(jié)點(diǎn) 1 發(fā)生故障，節(jié)點(diǎn) 2 會(huì)使用心跳連接來識(shí)別故障，然后將自己配置為活動(dòng)節(jié)點(diǎn)。安裝在集群中每個(gè)節(jié)點(diǎn)上的集群軟件可確?？蛻舳诉B接到活動(dòng)節(jié)點(diǎn)。

較大的配置可能使用專用服務(wù)器來執(zhí)行集群管理。集群管理服務(wù)器不斷發(fā)出心跳信號(hào)以確定是否有任何節(jié)點(diǎn)發(fā)生故障，如果是，則指示另一個(gè)節(jié)點(diǎn)承擔(dān)負(fù)載。

一些集群管理軟件通過將機(jī)器和它們所在的物理服務(wù)器匯集到一個(gè)集群中來為虛擬機(jī) (VM) 提供 HA。如果發(fā)生故障，故障主機(jī)上的虛擬機(jī)將在備用主機(jī)上重新啟動(dòng)。

共享存儲(chǔ)確實(shí)存在潛在單點(diǎn)故障的風(fēng)險(xiǎn)。但是，將 RAID 6 與 RAID 10 一起使用可以幫助確保即使兩個(gè)硬盤驅(qū)動(dòng)器發(fā)生故障，服務(wù)也能繼續(xù)。

如果所有服務(wù)器都插入同一個(gè)電網(wǎng)，則電力可能代表另一個(gè)單點(diǎn)故障?？梢酝ㄟ^為每個(gè)節(jié)點(diǎn)配備單獨(dú)的不間斷電源 (UPS) 來保護(hù)節(jié)點(diǎn)。

連續(xù)可用性故障轉(zhuǎn)移集群

與 HA 模型相比，容錯(cuò)集群由共享計(jì)算機(jī)操作系統(tǒng)的單個(gè)副本的多個(gè)系統(tǒng)組成。一個(gè)系統(tǒng)發(fā)出的軟件命令也在其他系統(tǒng)上執(zhí)行。

CA 要求組織使用格式化的計(jì)算機(jī)設(shè)備和備用 UPS。在 CA 故障轉(zhuǎn)移集群中，操作系統(tǒng) (OS) 有一個(gè)接口，軟件程序員可以在其中檢查事務(wù)中預(yù)定點(diǎn)的關(guān)鍵數(shù)據(jù)。CA 只能通過使用運(yùn)行服務(wù)的物理機(jī)或虛擬機(jī)的連續(xù)可用且?guī)缀蹙_的副本來實(shí)現(xiàn)。這種冗余模型稱為 2N。

CA 系統(tǒng)可以補(bǔ)償許多不同類型的故障。容錯(cuò)系統(tǒng)可以自動(dòng)檢測故障

• 一個(gè)硬盤
• 計(jì)算機(jī)處理器單元
• AI/O 子系統(tǒng)
• 一個(gè)電源
• 一個(gè)網(wǎng)絡(luò)組件

可以立即識(shí)別故障點(diǎn)，并且備份組件或程序可以立即取代它，而不會(huì)中斷服務(wù)。

群集軟件可用于將兩臺(tái)或多臺(tái)服務(wù)器組合在一起以充當(dāng)單個(gè)虛擬服務(wù)器，或者您可以創(chuàng)建許多其他 CA 故障轉(zhuǎn)移設(shè)置。例如，可以配置一個(gè)集群，以便如果其中一個(gè)虛擬服務(wù)器發(fā)生故障，其他虛擬服務(wù)器會(huì)通過臨時(shí)從集群中刪除虛擬服務(wù)器來做出響應(yīng)。然后，它會(huì)自動(dòng)在其余服務(wù)器之間重新分配工作負(fù)載，直到停機(jī)的服務(wù)器準(zhǔn)備好再次上線。

CA 故障轉(zhuǎn)移集群的替代方案是使用“雙”硬件服務(wù)器，其中所有物理組件都是復(fù)制的。這些服務(wù)器在單獨(dú)的硬件系統(tǒng)上獨(dú)立并同時(shí)執(zhí)行計(jì)算。這些“雙”硬件系統(tǒng)通過使用監(jiān)控來自兩個(gè)物理服務(wù)器的結(jié)果的專用節(jié)點(diǎn)來執(zhí)行同步。雖然這提供了安全性，但此選項(xiàng)可能比其他選項(xiàng)更昂貴。Stratus 是這些專用容錯(cuò)硬件服務(wù)器的制造商，它承諾每年的系統(tǒng)停機(jī)時(shí)間不會(huì)超過 32 秒。然而，為每個(gè)同步模塊配備雙 CPU 的 Stratus 服務(wù)器的成本估計(jì)約為每個(gè)同步節(jié)點(diǎn) 160,000 美元。

故障轉(zhuǎn)移集群的實(shí)際應(yīng)用

任務(wù)關(guān)鍵型應(yīng)用程序的持續(xù)可用性

容錯(cuò)系統(tǒng)是在線事務(wù)處理 (OLTP) 系統(tǒng)中使用的計(jì)算機(jī)的必需品。例如，要求 100% 可用性的 OLTP 用于航空公司預(yù)訂系統(tǒng)、電子股票交易和 ATM 銀行業(yè)務(wù)。

許多其他類型的組織也將 CA 集群或容錯(cuò)計(jì)算機(jī)用于關(guān)鍵任務(wù)應(yīng)用程序，例如制造、物流和零售領(lǐng)域的企業(yè)。應(yīng)用包括電子商務(wù)、訂單管理和員工時(shí)鐘系統(tǒng)。對(duì)于只需要“五個(gè)九”正常運(yùn)行時(shí)間的集群應(yīng)用程序和服務(wù)，通常認(rèn)為高可用性集群就足夠了。

災(zāi)難恢復(fù)

災(zāi)難恢復(fù)是故障轉(zhuǎn)移集群的另一個(gè)實(shí)際應(yīng)用。當(dāng)然，如果發(fā)生火災(zāi)或洪水等災(zāi)難導(dǎo)致主數(shù)據(jù)中心中的所有物理硬件和軟件失效，非常建議將故障轉(zhuǎn)移服務(wù)器安裝在遠(yuǎn)程站點(diǎn)。

例如，在 Windows Server 2016 和 2019 中，Microsoft 提供了 Storage Replica，這是一種在服務(wù)器之間復(fù)制卷以進(jìn)行災(zāi)難恢復(fù)的技術(shù)。該技術(shù)包括跨兩個(gè)地理站點(diǎn)的故障轉(zhuǎn)移集群的延伸故障轉(zhuǎn)移功能。

通過擴(kuò)展故障轉(zhuǎn)移集群，組織可以在多個(gè)數(shù)據(jù)中心之間進(jìn)行復(fù)制。如果災(zāi)難發(fā)生在一個(gè)位置，所有數(shù)據(jù)將繼續(xù)存在于其他站點(diǎn)的故障轉(zhuǎn)移服務(wù)器上。

數(shù)據(jù)庫復(fù)制

據(jù)微軟稱，該公司最初在 Windows Server 2016 中引入了 Windows Server Failover Cluster (WSFC)，以保護(hù)其 SQL Server 數(shù)據(jù)庫和 Microsoft Exchange 通信服務(wù)器等“關(guān)鍵任務(wù)”應(yīng)用程序。

其他數(shù)據(jù)庫提供商為數(shù)據(jù)庫復(fù)制提供故障轉(zhuǎn)移集群技術(shù)。例如，MySQL Cluster 包含一個(gè)心跳機(jī)制，用于即時(shí)檢測故障，通常在一秒鐘內(nèi)檢測到集群中的其他節(jié)點(diǎn)，而不會(huì)中斷客戶端的服務(wù)。地理復(fù)制功能使數(shù)據(jù)庫能夠鏡像到遠(yuǎn)程位置。

故障轉(zhuǎn)移群集類型

VMWare 故障轉(zhuǎn)移集群

在可用的 虛擬化產(chǎn)品 中，VMware 為 VM 集群提供了多種虛擬化工具。vSphere vMotion 提供了一種 CA 架構(gòu)，可在物理數(shù)據(jù)中心網(wǎng)絡(luò)之間精確復(fù)制 VMware 虛擬機(jī)及其網(wǎng)絡(luò)。

第二個(gè)產(chǎn)品 VMware vSphere HA 通過將虛擬機(jī)及其主機(jī)匯集到一個(gè)集群中以實(shí)現(xiàn)自動(dòng)故障轉(zhuǎn)移，從而為虛擬機(jī)提供 HA。該工具也不依賴于 DNS 等外部組件，從而減少了潛在的故障點(diǎn)。

Windows 服務(wù)器故障轉(zhuǎn)移群集 (WSFC)

您可以使用 WFSC 創(chuàng)建 Hyper-V 故障轉(zhuǎn)移服務(wù)器，WFSC 是 Windows 2016 和 2019 中的一項(xiàng)功能，用于監(jiān)控集群物理服務(wù)器，并在需要時(shí)提供故障轉(zhuǎn)移。WFSC 還監(jiān)視集群角色，以前稱為集群應(yīng)用程序和服務(wù)。如果集群角色不能正常工作，它要么重新啟動(dòng)，要么移動(dòng)到另一個(gè)節(jié)點(diǎn)。

WFSC 包括 Microsoft 以前的集群共享卷 (CSV) 技術(shù)，以提供一致的分布式命名空間，用于從所有節(jié)點(diǎn)訪問共享存儲(chǔ)。此外，WSFC 支持 SQL Server 和 Microsoft Hyper-V 群集 VM 的 CA 文件共享存儲(chǔ)。它還支持在物理服務(wù)器和 Hyper-V 集群 VM 上運(yùn)行的 HA 角色。

SQL Server 故障轉(zhuǎn)移群集

在 SQL Server 2017 中，微軟推出了 Always On，這是一種使用 WSFC 作為平臺(tái)技術(shù)的 HA 解決方案，將 SQL Server 組件注冊為 WSFC 集群資源。根據(jù)微軟的說法，相關(guān)資源被組合成一個(gè)依賴于其他 WSFC 資源的角色。然后，WSFC 可以識(shí)別并傳達(dá)重新啟動(dòng) SQL Server 實(shí)例或自動(dòng)將其故障轉(zhuǎn)移到不同節(jié)點(diǎn)的需求。

紅帽 Linux 故障轉(zhuǎn)移集群

微軟以外的操作系統(tǒng)制造商也提供他們自己的故障轉(zhuǎn)移集群技術(shù)。例如，Red Hat Enterprise Linux (RHEL) 用戶可以使用 High Availability Add-On 和 Red Hat Global File System (GFS/GFS2) 創(chuàng)建 HA 故障轉(zhuǎn)移集群。為跨多個(gè)站點(diǎn)的單集群延伸集群以及“容災(zāi)”集群的多站點(diǎn)提供支持。多站點(diǎn)集群通常使用支持存儲(chǔ)區(qū)域網(wǎng)絡(luò) (SAN) 的數(shù)據(jù)存儲(chǔ)復(fù)制。