HA Cluster中的Heartbeat(心跳)介绍

Posted on Views:

在高可用性（High Availability，简称 HA）集群中，Heartbeat（心跳） 是最核心的机制之一，用于实时监控集群节点（Node）的存活状态，并在节点发生故障时触发资源切换（Failover），从而保障服务的高可用性。

1. 什么是 Heartbeat？

Heartbeat 是一种周期性信号（periodic signal），集群中的每个节点会定期向其他节点发送“我还活着”（I’m alive）的消息。

  • 如果在设定的超时时间内（通常几秒到几十秒）没有收到对方的心跳消息，就认为对方节点已失效（dead）。
  • 此时集群会自动启动资源接管（Resource Takeover）流程，将原本运行在故障节点上的服务（如 IP 地址、文件系统、数据库、Web 服务等）迁移到正常节点上，实现无缝切换。

2. Heartbeat 的工作原理

典型的两节点（Active/Passive 或 Active/Active）HA 集群工作流程如下：

  1. 正常运行时：

    • 两个节点（Node1 主节点、Node2 备节点）通过心跳链路持续互相发送心跳报文。
    • 心跳报文包含节点状态、资源信息等。

  2. 故障检测：

    • 如果 Node1 突然宕机或网络中断，Node2 在超时后检测不到心跳。
    • Node2 判定 Node1 “死亡”，启动资源接管。

  3. 资源切换：

    • 接管虚拟 IP（VIP）、挂载共享存储、启动应用服务等。
    • 切换时间通常在几秒到几十秒内完成，用户几乎无感知。

  4. 避免脑裂（Split-Brain）：

    • 为了防止两个节点都认为对方已死而同时提供服务（导致数据损坏），常配合 STONITH（Shoot The Other Node In The Head，即隔离故障节点，如断电、重启）或多路径心跳机制。

心跳通信方式（常用冗余设计，避免单点故障）：

  • 网络心跳（最常见）：通过以太网（UDP 多播/单播），端口通常为 694 等。
  • 串口心跳（Serial）：通过 RS232 串口线直连（早期常用，抗网络故障）。
  • 磁盘心跳（Disk Heartbeat）：在共享磁盘上写入/读取心跳信息。
  • 多路径冗余：同时使用网络 + 串口，或多个网络接口，提高可靠性。

3. Heartbeat 的组成

以经典 Heartbeat 2.x 为例

  • heartbeat 模块：核心心跳检测和消息传递。
  • CCM（Cluster Consensus Membership）：集群成员一致性管理，维护哪些节点在线。
  • LRM（Local Resource Manager）：本地资源管理，启动/停止资源。
  • CRM（Cluster Resource Manager）：集群资源管理（后来常被 Pacemaker 取代）。
  • ha-logd：日志记录模块。
  • 插件：ipfail（网络故障检测）、STONITH（节点隔离）、Ldirectord（负载均衡监控）等。

注意：纯 Heartbeat 功能相对基础，它主要负责心跳和基本资源接管，不擅长复杂资源依赖关系监控。现在主流做法是：

  • Corosync + Pacemaker 组合（现代 Linux HA 标准栈）
    • Corosync：负责可靠的消息传递和心跳（Totem 协议）。
    • Pacemaker：负责资源管理和策略（更强大，支持复杂规则、资源代理 OCF 等）。

4. 应用场景

  • 双机热备（Two-Node HA）：Web 服务器、数据库（MySQL + DRBD + Heartbeat）、NFS、邮件等。
  • 多节点集群：结合 Pacemaker 可实现 Active/Active 或 N+1 模式。
  • 常见搭配：Heartbeat/Corosync + DRBD（块设备同步） + 共享存储 或 Pacemaker 资源代理。