测试Heartbeat

18.8 测试Heartbeat

如何才能得知HA集群是否正常工作，模拟环境测试是个不错的方法。在把Heartbeat高可用性集群放到生产环境中之前，需要做如下5个步骤的测试，从而确定HA是否正常工作。

1．正常关闭和重启主节点的Heartbeat

首先在主节点node1上执行"service heartbeat stop"正常关闭主节点的Heartbeat进程，此时通过ifconfig命令查看主节点网卡信息。正常情况下，应该可以看到主节点已经释放了集群的服务IP地址，同时也释放了挂载的共享磁盘分区。然后查看备份节点，现在备份节点已经接管了集群的服务IP，同时也自动挂载上了共享的磁盘分区。

在这个过程中，使用ping命令对集群服务IP进行测试。可以看到，集群IP一致处于可通状态，并没有任何延时和阻塞现象，也就是说在正常关闭主节点的情况下，主备节点的切换是无缝的，HA对外提供的服务也可以不间断运行。

接着，将主节点Heartbeat正常启动。Heartbeat启动后，备份节点将自动释放集群服务IP，同时卸载共享磁盘分区，而主节点将再次接管集群服务IP和挂载共享磁盘分区。其实备份节点释放资源与主节点绑定资源是同步进行的，因而，这个过程也是一个无缝切换。

2．在主节点上拔去网线

拔去主节点连接公共网络的网线后，Heartbeat插件ipfail通过ping测试可以立刻检测到网络连接失败，接着自动释放资源。而就在此时，备用节点的ipfail插件也会检测到主节点出现网络故障，在等待主节点释放资源完毕后，备用节点马上接管了集群资源，从而保证了网络服务不间断持续运行。

同理，当主节点网络恢复正常时，由于设置了"auto_failback on"选项，集群资源将自动从备用节点切会主节点。

在主节点拔去网线后日志信息如下，注意日志中的斜体部分：

 
 
Nov 26 09:04:09 node1 heartbeat: [3689]: info: Link node2:eth0 dead.  
Nov 26 09:04:09 node1 heartbeat: [3689]: info: 
Link 192.168.60.1:192.168.60.1 dead.  
Nov 26 09:04:09 node1 ipfail: [3712]: info: Status update: 
Node 192.168.60.1 now has status dead  
Nov 26 09:04:09 node1 harc[4279]: info: Running /etc/ha.d/rc.d/status status  
Nov 26 09:04:10 node1 ipfail: [3712]: info: NS: We are dead. :< 
Nov 26 09:04:10 node1 ipfail: [3712]: info: Link Status 
update: Link node2/eth0 now has status dead  
…… 中间部分省略  ……  
Nov 26 09:04:20 node1 heartbeat: [3689]: info: node1 wants to go standby [all]  
Nov 26 09:04:20 node1 heartbeat: [3689]: info: standby: 
node2 can take our all resources  
Nov 26 09:04:20 node1 heartbeat: [4295]: info: give up all 
HA resources (standby).  
Nov 26 09:04:21 node1 ResourceManager[4305]: info: Releasing 
resource group: node1 192.168.60.200/24/eth0 Filesystem::/dev/sdb5::/webdata::ext3  
Nov 26 09:04:21 node1 ResourceManager[4305]: info: Running 
/etc/ha.d/resource.d/ Filesystem/dev/sdb5 /webdata ext3 stop  
Nov 26 09:04:21 node1 Filesystem[4343]: INFO: Running stop for /dev/sdb5 on /webdata  
Nov 26 09:04:21 node1 Filesystem[4343]: INFO: Trying to unmount /webdata  
Nov 26 09:04:21 node1 Filesystem[4343]: INFO: unmounted /webdata successfully  
Nov 26 09:04:21 node1 Filesystem[4340]: INFO:  Success  
Nov 26 09:04:22 node1 ResourceManager[4305]: info: Running
/etc/ha.d/resource.d/IPaddr 192.168.60.200/24/eth0 stop  
Nov 26 09:04:22 node1 IPaddr[4428]: INFO: /sbin/ifconfig eth0:0 192.168.60.200 down  
Nov 26 09:04:22 node1 avahi-daemon[1854]: Withdrawing 
address record for 192.168.60.200 on eth0.  
Nov 26 09:04:22 node1 IPaddr[4407]: INFO:  Success 

备用节点在接管主节点资源时的日志信息如下：

 
 
Nov 26 09:02:58 node2 heartbeat: [2110]: info: Link node1:eth0 dead.  
Nov 26 09:02:58 node2 ipfail: [2134]: info: Link Status 
update: Link node1/eth0 now has status dead  
Nov 26 09:02:59 node2 ipfail: [2134]: info: Asking 
other side for ping node count.  
Nov 26 09:02:59 node2 ipfail: [2134]: info: Checking remote count of ping nodes.  
Nov 26 09:03:02 node2 ipfail: [2134]: info: Telling other
node that we have more visible ping nodes.  
Nov 26 09:03:09 node2 heartbeat: [2110]: info: node1 
wants to go standby [all]  
Nov 26 09:03:10 node2 heartbeat: [2110]: info: standby: 
acquire [all] resources from node1  
Nov 26 09:03:10 node2 heartbeat: [2281]: info: acquire all HA resources (standby).  
Nov 26 09:03:10 node2 ResourceManager[2291]: info: Acquiring 
resource group: node1 192.168.60.200/24/eth0 Filesystem::/dev/sdb5::/webdata::ext3  
Nov 26 09:03:10 node2 IPaddr[2315]: INFO:  Resource is stopped  
Nov 26 09:03:11 node2 ResourceManager[2291]: info: Running
/etc/ha.d/resource.d/IPaddr 192.168.60.200/24/eth0 start  
Nov 26 09:03:11 node2 IPaddr[2393]: INFO: Using calculated 
netmask for 192.168.60.200: 255.255.255.0  
Nov 26 09:03:11 node2 IPaddr[2393]: DEBUG: Using calculated 
broadcast for 192.168.60.200: 192.168.60.255  
Nov 26 09:03:11 node2 IPaddr[2393]: INFO: eval /sbin/ifconfig 
eth0:0 192.168.60.200 netmask 255.255.255.0 broadcast 192.168.60.255  
Nov 26 09:03:12 node2 avahi-daemon[1844]: Registering new 
address record for 192.168.60.200 on eth0.  
Nov 26 09:03:12 node2 IPaddr[2393]: DEBUG: Sending Gratuitous 
Arp for 192.168.60.200 on eth0:0 [eth0]  
Nov 26 09:03:12 node2 IPaddr[2372]: INFO:  Success  
Nov 26 09:03:12 node2 Filesystem[2482]: INFO:  Resource is stopped  
Nov 26 09:03:12 node2 ResourceManager[2291]: info: Running
/etc/ha.d/resource.d/ Filesystem/dev/sdb5 /webdata ext3 start  
Nov 26 09:03:13 node2 Filesystem[2523]: INFO: Running start for /dev/sdb5 on /webdata  
Nov 26 09:03:13 node2 kernel: kjournald starting.  Commit interval 5 seconds  
Nov 26 09:03:13 node2 kernel: EXT3 FS on sdb5, internal journal  
Nov 26 09:03:13 node2 kernel: EXT3-fs: mounted filesystem with ordered data mode.  
Nov 26 09:03:13 node2 Filesystem[2520]: INFO:  Success 

3．在主节点上拔去电源线

在主节点拔去电源后，备用节点的Heartbeat进程会立刻收到主节点已经shutdown的消息。如果在集群上配置了Stonith设备，那么备用节点将会把电源关闭或者复位到主节点。当Stonith设备完成所有操作时，备份节点才能拿到接管主节点资源的所有权，从而接管主节点的资源。

在主节点拔去电源后，备份节点有类似如下的日志输出：

 
 
Nov 26 09:24:54 node2 heartbeat: [2110]: info:
Received shutdown notice from 'node1'.  
Nov 26 09:24:54 node2 heartbeat: [2110]: info:
Resources being acquired from node1.  
Nov 26 09:24:54 node2 heartbeat: [2712]: info: 
acquire local HA resources (standby).  
Nov 26 09:24:55 node2 ResourceManager[2762]: 
info: Running /etc/ha.d/resource.d/IPaddr 192.168.60.200/24/eth0 start  
Nov 26 09:24:57 node2 ResourceManager[2762]: 
info: Running /etc/ha.d/resource.d/ Filesystem /dev/sdb5 /webdata ext3 start 

4．切断主节点的所有网络连接

在主节点上断开心跳线后，主备节点都会在日志中输出"eth1 dead"的信息，但是不会引起节点间的资源切换。如果再次拔掉主节点连接公共网络的网线，就会发生主备节点资源切换，资源从主节点转移到备用节点。此时，连上主节点的心跳线，观察系统日志，可以看到，备用节点的Heartbeat进程将会重新启动，进而再次控制集群资源。最后，连上主节点的对外网线，集群资源再次从备用节点转移到主节点。这就是整个切换过程。

5．在主节点上非正常关闭Heartbeat守护进程

在主节点上可通过"killall -9 heartbeat"命令关闭Heartbeat进程。由于是非法关闭Heartbeat进程，因此Heartbeat所控制的资源并没有释放。备份节点在很短一段时间没有收到主节点的响应后，就会认为主节点出现故障，进而接管主节点资源。在这种情况下，就出现了资源争用情况，两个节点都占用一个资源，造成数据冲突。针对这个情况，可以通过Linux提供的内核监控模块watchdog来解决这个问题，将watchdog集成到Heartbeat中。如果Heartbeat异常终止，或者系统出现故障，watchdog都会自动重启系统，从而释放集群资源，避免了数据冲突的发生。

本章节我们没有配置watchdog到集群中，如果配置了watchdog，在执行"killall -9 heartbeat"时，会在/var/log/messages中看到如下信息：

 
 
Softdog: WDT device closed unexpectedly. WDT will not stop! 

这个错误告诉我们，系统出现问题，将重新启动。