高可用（HA）脑裂

“脑裂”的概念

在高可用（HA）系统中，当联系2个节点的“心跳线”断开时，本来为一整体、动作协调的HA系统，就分裂成为2个独立的个体。由于相互失去了联系，都以为是对方出了故障。两个节点上的HA软件像“裂脑人”一样，争抢“共享资源”、争起“应用服务”，就会发生严重后果——或者共享资源被瓜分，两边“服务”都起不来了；或者2边“服务”都起来了，但同时读写“共享存储”，导致数据损坏（常见如数据库轮询着的联机日志出错）。

• “脑裂”产生的原因
  　 一般来说，裂脑的发生，有以下几种原因：
  1.高可用服务器对之间心跳线链路发生故障，导致无法正常通信。
  2.因心跳线坏了（包括断了，老化）。
  3.因网卡及相关驱动坏了，ip配置及冲突问题（网卡直连）。
  4.因心跳线间连接的设备故障（网卡及交换机）。
  5.因仲裁的机器出问题（采用仲裁的方案）。
  6.高可用服务器上开启了 iptables防火墙阻挡了心跳消息传输。
  7.高可用服务器上心跳网卡地址等信息配置不正确，导致发送心跳失败。
  8.其他服务配置不当等原因，如心跳方式不同，心跳广插冲突、软件Bug等。。。。。。

• HeartBeat原理：

HeartBeat运行于备用主机上的Heartbeat可以通过以太网连接检测主服务器的运行状态，一旦其无法检测到主服务器的"心跳"则自动接管主服务器的资源。通常情况下，主、备服务器间的心跳连接是一个独立的物理连接，这个连接可以是串行线缆、一个由"交叉线"实现的以太网连接。Heartbeat甚至可同时通过多个物理连接检测主服务器的工作状态，而其只要能通过其中一个连接收到主服务器处于活动状态的信息，就会认为主服务器处于正常状态。从实践经验的角度来说，建议为Heartbeat配置多条独立的物理连接，以避免Heartbeat通信线路本身存在单点故障。

关于Linux高可用集群（HA）的衡量标准：

1. 99%：一年宕机时间不超过4天
2. 99.9%：一年宕机时间不超过10小时
3. 99.99%：一年宕机时间不超过1小时
4. 99.999%：一年宕机时间不超过6分钟

关于heartbeat通信线路连接方式的问题：

1. 串行电缆：被认为是比以太网连接安全性稍好些的连接方式，因为hacker无法通过串行连接运行诸如telnet、ssh或rsh类的程序，从而可以降低其通过已劫持的服务器再次侵入备份服务器的几率。但串行线缆受限于可用长度，因此主、备服务器的距离必须非常短。
2. 以太网连接：使用此方式可以消除串行线缆的在长度方面限制，并且可以通过此连接在主备服务器间同步文件系统，从而减少了从正常通信连接带宽的占用。

避免“脑裂”现象发生的预防措施

1. 添加冗余的心跳线，例如双线条线。尽量减少“裂脑”发生机会。
2. 启用磁盘锁。正在服务一方锁住共享磁盘，“裂脑”发生时，让对方完全“抢不走”共享磁盘资源。但使用锁磁盘也会有一个不小的问题，如果占用共享盘的一方不主动“解锁”，另一方就永远得不到共享磁盘。现实中假如服务节点突然死机或崩溃，就不可能执行解锁命令。后备节点也就接管不了共享资源和应用服务。于是有人在HA中设计了“智能”锁。即，正在服务的一方只在发现心跳线全部断开（察觉不到对端）时才启用磁盘锁。平时就不上锁了。
3. 设置仲裁机制。例如设置参考IP（如网关IP），当心跳线完全断开时，2个节点都各自ping一下 参考IP，不通则表明断点就出在本端，不仅“心跳”、还兼对外“服务”的本端网络链路断了，即使启动（或继续）应用服务也没有用了，那就主动放弃竞争，让能够ping通参考IP的一端去起服务。更保险一些，ping不通参考IP的一方干脆就自我重启，以彻底释放有可能还占用着的那些共享资源。

---

引用文档：
https://blog.csdn.net/lgstudyvc/article/details/48296651
https://blog.csdn.net/varyall/article/details/80427606
https://blog.csdn.net/zy_27_ok/article/details/72643708