high-availability - 具有 2 节点 proxmox 的 HA 集群

Question

我想在1个节点死亡时实现虚拟机自动迁移。我创建了 proxmox 集群、设置了复制并安装了看门狗 ipmi。但丢失 1 个节点后，什么也没有发生。我用过https://pve.proxmox.com/pve-docs/chapter-ha-manager.html ，和https://pve.proxmox.com/wiki/High_Availability_Cluster_4.x#Hardware_Watchdogs

ha-manager config
ct:100
        group HA
        max_restart 0
        state started

ha-manager status
quorum OK
master node1 (active, Mon May 18 09:18:59 2020)
lrm node1 (idle, Mon May 18 09:19:00 2020)
lrm node2 (active, Mon May 18 09:19:02 2020)
service ct:100 (node2, started)

当我关闭node2时，我记录了:

May 18 08:12:37 node1 pve-ha-crm[2222]: lost lock 'ha_manager_lock - cfs lock update failed - Operation not permitted
May 18 08:12:38 node1 pmxcfs[2008]: [dcdb] notice: start cluster connection
May 18 08:12:38 node1 pmxcfs[2008]: [dcdb] crit: cpg_join failed: 14
May 18 08:12:38 node1 pmxcfs[2008]: [dcdb] crit: can't initialize service
May 18 08:12:42 node1 pve-ha-crm[2222]: status change master => lost_manager_lock
May 18 08:12:42 node1 pve-ha-crm[2222]: watchdog closed (disabled)
May 18 08:12:42 node1 pve-ha-crm[2222]: status change lost_manager_lock => wait_for_quorum
May 18 08:12:44 node1 pmxcfs[2008]: [dcdb] notice: members: 1/2008
May 18 08:12:44 node1 pmxcfs[2008]: [dcdb] notice: all data is up to date
May 18 08:13:00 node1 systemd[1]: Starting Proxmox VE replication runner...
May 18 08:13:01 node1 pvesr[40781]: trying to acquire cfs lock 'file-replication_cfg' ...
May 18 08:13:02 node1 pvesr[40781]: trying to acquire cfs lock 'file-replication_cfg' ...
May 18 08:13:03 node1 pvesr[40781]: trying to acquire cfs lock 'file-replication_cfg' ...
May 18 08:13:04 node1 pvesr[40781]: trying to acquire cfs lock 'file-replication_cfg' ...
May 18 08:13:05 node1 pvesr[40781]: trying to acquire cfs lock 'file-replication_cfg' ...
May 18 08:13:05 node1 pveproxy[39495]: proxy detected vanished client connection
May 18 08:13:06 node1 pvesr[40781]: trying to acquire cfs lock 'file-replication_cfg' ...
May 18 08:13:07 node1 pvesr[40781]: trying to acquire cfs lock 'file-replication_cfg' ...
May 18 08:13:08 node1 pvesr[40781]: trying to acquire cfs lock 'file-replication_cfg' ...
May 18 08:13:09 node1 pvesr[40781]: trying to acquire cfs lock 'file-replication_cfg' ...
May 18 08:13:10 node1 pvesr[40781]: error with cfs lock 'file-replication_cfg': no quorum!

Answer 1

问题出在法定人数上。而且非常重要，并且不能直观地工作。如果您设置了 Proxmox 集群，那么它会打开仲裁机制。要在集群上执行任何操作，它需要每个节点的投票来了解正在发生的情况。需要50%现有节点+1才能接受投票。

当您创建 2 节点集群时，有一个愚蠢的默认设置:它需要 50%+1=2 个节点才能执行任何操作。因此，尽管是“集群”，但如果一个节点挂掉，您甚至无法启动虚拟机/容器，直到两个节点都正常工作为止。

有一个解决方法:在 corosync.conf (/etc/corosync/corosync.conf) 中，您必须启用两个参数:两个节点:1wait_for_all:0

第一个参数定义在两个节点集群情况下需要1票才能执行操作。但对于年轻玩家来说还有另一个陷阱:此设置会自动启用另一个设置:wait_for_all，该设置会禁用集群在开机时的操作，直到所有节点出现。所以这实际上再次破坏了集群。所以你也必须克服这个问题。

仔细阅读此手册页: https://www.systutorials.com/docs/linux/man/5-votequorum/

但是还有另一个问题。 corosync.conf 有 2 个版本:/etc/corosync/corosync.conf和/etc/pve/corosync.conf

每当第二个更改时，第一个就会被覆盖所以你必须编辑后面的一个。但是，当您的第二个节点关闭时，您必须先暂时禁用仲裁，然后编辑文件。