集群服務(wù)可以檢測和隔離網(wǎng)絡(luò)故障。集群服務(wù)使用改進的網(wǎng)絡(luò)故障檢測方法改善故障恢復(fù)操作。故障檢測和防范是服務(wù)器集群所具有的突出優(yōu)點。當(dāng)集：群中的節(jié)點或應(yīng)用程序失效時，集群服務(wù)器可以通過重啟失敗的應(yīng)用程序或?qū)⒐收舷到y(tǒng)的工作分散給幸存的集群節(jié)點來做出響應(yīng)。集群服務(wù)器故障檢測和防范包括雙向故障轉(zhuǎn)移、應(yīng)用程序故障轉(zhuǎn)移、并行恢復(fù)及自動故障恢復(fù)。

　　集群服務(wù)可以檢測各個資源或整個節(jié)點的故障，并動態(tài)地將應(yīng)用程序、數(shù)據(jù)和文件資源轉(zhuǎn)移到集群中可用的正常服務(wù)器上，然后重新啟動它們。借此， 數(shù)據(jù)庫、共享文件和應(yīng)用程序等資源可以對用戶和客戶端應(yīng)用程序保持高度的可用性。

　　集群服務(wù)器在設(shè)計上帶有以下兩個不同的故障檢測機制。

　　• 心跳通信，用于檢測節(jié)點故障。

　　• 資源監(jiān)視器和資源DLL， 用于檢測資源故障。

　　1.檢測節(jié)點故障

　　在集群節(jié)點之間的通信允許集群服務(wù)檢測節(jié)點故障和狀態(tài)改變并且將集群作為一個實體進行管理�？梢詾檫@種節(jié)點到節(jié)點的通信設(shè)立多重網(wǎng)絡(luò)以便于消除單一點的故障。在集群節(jié)點上運行的集群服務(wù)跟蹤集群中節(jié)點的當(dāng)前狀態(tài)，并且確定組及其資源何時故障轉(zhuǎn)移到備用節(jié)點。這種通信采用在每個節(jié)點的集群服務(wù)之間定期發(fā)送消息的形式進行。這些消息被稱為“檢測信號”，或稱“心跳氣”。

　　通過心跳通信，每個節(jié)點可以恰查其他節(jié)點及它們的應(yīng)用程序的可用性。如果服務(wù)器設(shè)有對心跳通信;做出響應(yīng)，則正常工作的服務(wù)器會啟動故障轉(zhuǎn)移過穩(wěn)(包括對故障服務(wù)器擁有的資源和應(yīng)用程序的所有權(quán)進行仲裁)。仲裁是使用質(zhì)詢和辯護協(xié)議來執(zhí)行的。換而言之，如果某個節(jié)點似乎發(fā)生了故障，則會在給定的時間內(nèi)允許它以幾種方式中的任何一種表明它仍處于正常運行當(dāng)中，并且可以向其他正常的節(jié)點通信。如果它無法證明自己正在正常運行，則此時會將它移出集群。

　　多種事件都可能導(dǎo)致節(jié)點無法響應(yīng)心跳消息，如計算機故障、網(wǎng)絡(luò)接口故障、網(wǎng)絡(luò)放障，甚于在可能是由于少有的高峰活動期。通常來說，當(dāng)所有節(jié)點進行通信時，配置數(shù)據(jù)庫管理器會向每個節(jié)點發(fā)送全局性的配置數(shù)據(jù)庫更新。當(dāng)心跳通信失敗時，日志管理錦還會將配置數(shù)據(jù)庫的變更保存到仲裁資源中。這保證了幸存的節(jié)點可以在恢復(fù)過程中訪問最新的集群配置和本地節(jié)點的注冊表數(shù)據(jù)。

　　要注意的是，故障檢測算法相當(dāng)保守。換句話說，它會盡量多地給那些明顯發(fā)生故障的節(jié)點以質(zhì)詢的機會，然后才會進入故障轉(zhuǎn)移過程。如果導(dǎo)致心跳響應(yīng)失敗的原因是暫時的，避免故障轉(zhuǎn)移所可能造成的潛在影響當(dāng)然是再好不過了。但是，由于無法知道這樣的節(jié)點還將沉默多長時間，故該節(jié)點可能遭受長時期的故障影響。因此，在經(jīng)過一個合理的時間段后就應(yīng)該啟動故障轉(zhuǎn)移過程。

　　2. 檢測資源故障

　　如果資源在當(dāng)前主機節(jié)點上是不可操作的而且不能重新啟動，則集群服務(wù)認(rèn)為此資源發(fā)生了故障。集群服務(wù)按以下方式檢測資源故障。

　　(1)在周期性的時間間隔內(nèi)，集群服務(wù)檢查資源以了解資源是否可操作。集群服務(wù)通過定期調(diào)用資源監(jiān)視器來完成此項任務(wù)。反過來，資源監(jiān)視器則依賴于每個資源的資源主動態(tài)鏈接庫( DLL)執(zhí)行一段過程以檢測資源是否正常工作。資源 DLL 通過資源監(jiān)視器將結(jié)果傳給集群服務(wù)�？梢酝ㄟ^設(shè)置“Looks Alive”和“ls Alive ，輪詢間隔來指定集群服務(wù)檢資資源故障的頻率。集群服務(wù)在每個“ls Alive ”時間間隔內(nèi)請求對資源 的狀態(tài)進行比“Looks Al ive" 間隔內(nèi)所傲的更徹底的檢查。“ls Alive”輪詢問隔通常比“Looks Alive”輪詢問隔長。

　　(2)如果資源 DLL 報告資源不可操作，那么集群服務(wù)會嘗試重新啟動資源�？梢灾付�集群服務(wù)在一給定時間間隅內(nèi)嘗試重新啟動資源的次數(shù)如果集群服務(wù)在指定的時間向陸內(nèi)所做的嘗試的數(shù)量超過了最大重新啟動嘗試次數(shù)，但是資源仍不可操作，那么集群服務(wù)會認(rèn)為資源出了故障。

　　可以配置是否故障資源引起包含該資源的組故障轉(zhuǎn)移到其他節(jié)點。如果故障資源配肯為引起包含該資源的組故障轉(zhuǎn)移到其他節(jié)點，那么集群服務(wù)將嘗試故障轉(zhuǎn)移。如果故障轉(zhuǎn)移嘗試次數(shù)坦過組的闕值而資源仍然處在故障狀態(tài)，則集群服務(wù)將嘗試資源的重新啟動。在資源的“故障重試周期”屬性(所有資源的一個一般屬性)指定的周期結(jié)束后，將做重新啟動嘗試。集群服務(wù)開始對資源嘗試重新啟動然后故障轉(zhuǎn)移。

　　雖然“故障重試周期”屬性的單位是ms，但按分鐘順序選擇值。還可以選擇比資源重新啟動周期屬性值大的或者相等的值并強制執(zhí)行這個規(guī)則。

本文鏈接：http://m.51huadong.com/servernews/11000630.html