高可用与迁移
虚拟机高可用（VM HA）
HA 工作原理
正常状态：
宿主机1（Active）：VM1、VM2、VM3
宿主机2（Active）：VM4、VM5、VM6
宿主机1 故障：
1. 心跳检测失败（默认 30 秒超时）
2. HA 控制器触发故障转移
3. VM1、VM2、VM3 在宿主机2/3 上重启
4. 总恢复时间：约 2-5 分钟（含 VM 启动时间）HA 前提条件
- 所有宿主机使用共享存储（Ceph/FC SAN/NFS）
- 宿主机之间网络互通（心跳网络）
- 共享存储上有足够空间
HA 配置
CVM 控制台 → 集群管理 → 高可用设置
配置项：
- 启用 HA：✅
- 心跳超时：30 秒（建议）
- 故障转移策略：
- 自动（推荐）：故障后自动迁移
- 手动：需人工确认后迁移
- 预留资源：20%（确保有足够资源接收迁移的 VM）热迁移（Live Migration）
热迁移允许 VM 在不停机的情况下从一台宿主机迁移到另一台。
热迁移原理
迁移过程（以 32GB 内存 VM 为例）：
阶段1：预复制（Pre-copy）
源宿主机 → 传输内存页 → 目标宿主机
同时：VM 继续运行，脏页持续产生
阶段2：迭代复制
继续传输脏页，直到脏页数量足够少
阶段3：停机切换（Stop-and-copy）
暂停 VM（< 100ms）
传输最后的脏页和 CPU 状态
在目标宿主机恢复 VM
总停机时间：通常 < 100ms（用户几乎无感知）
总迁移时间：取决于内存大小和网络带宽
32GB 内存 + 10GbE 网络 ≈ 3-5 分钟热迁移条件
| 条件 | 说明 |
|---|---|
| 共享存储 | VM 磁盘必须在共享存储上 |
| 网络互通 | 源和目标宿主机网络互通 |
| CPU 兼容 | 目标宿主机 CPU 型号兼容（或开启 CPU 兼容模式） |
| 资源充足 | 目标宿主机有足够 CPU/内存 |
执行热迁移
bash
# 通过 virsh 命令热迁移
virsh migrate --live <vm-name> \
qemu+ssh://target-host/system \
--verbose \
--bandwidth 1000 # 限速 1Gbps，避免影响业务
# 通过 OpenStack API
openstack server migrate --live-migration \
--host target-compute-node \
<vm-id>批量迁移（主机维护）
bash
# 将宿主机设为维护模式（自动迁移所有 VM）
openstack compute service set --disable \
--disable-reason "scheduled maintenance" \
<host> nova-compute
# 触发批量迁移
nova host-evacuate-live <host>
# 维护完成后恢复
openstack compute service set --enable <host> nova-compute冷迁移（Cold Migration）
冷迁移需要先关闭 VM，适用于：
- 跨存储迁移（从 NFS 迁移到 Ceph）
- 目标宿主机 CPU 不兼容
- 需要修改 VM 配置
bash
# 冷迁移
openstack server migrate <vm-id>
# 确认迁移
openstack server migrate confirm <vm-id>
# 回滚迁移
openstack server migrate revert <vm-id>快照与备份
VM 快照
bash
# 创建内存快照（含内存状态，VM 继续运行）
virsh snapshot-create-as <vm-name> snap-20240101 \
--description "升级前快照" \
--memspec snapshot=internal
# 列出快照
virsh snapshot-list <vm-name>
# 回滚到快照
virsh snapshot-revert <vm-name> snap-20240101
# 删除快照
virsh snapshot-delete <vm-name> snap-20240101磁盘备份策略
全量备份（每周日凌晨 2:00）：
1. 创建 Ceph RBD 快照
2. 导出快照到备份存储
3. 保留最近 4 个全量备份
增量备份（每天凌晨 2:00）：
1. 基于上次快照创建增量快照
2. 只传输变化的数据块
3. 保留最近 7 天增量备份
恢复流程：
1. 选择恢复点（全量 + 增量）
2. 恢复到原 VM 或新 VM
3. 验证数据完整性容灾方案
同城双活
数据中心A（主） 数据中心B（备）
CAS 集群A ←→ 同步 CAS 集群B
Ceph 存储A ←→ 复制 Ceph 存储B
延迟要求：< 5ms（同城专线）
RPO：0（同步复制）
RTO：< 5 分钟异地灾备
主数据中心（北京） 灾备数据中心（上海）
CAS 集群 → 异步 → CAS 集群
Ceph 存储 → 复制 → Ceph 存储
延迟：20-50ms（跨城专线）
RPO：< 15 分钟（异步复制间隔）
RTO：< 30 分钟灾备切换演练
建议每季度进行一次灾备切换演练：
演练步骤：
1. 通知相关团队，确认演练时间窗口
2. 停止主站点到灾备站点的数据复制
3. 在灾备站点启动 VM
4. 验证业务可用性（功能测试）
5. 记录 RTO 实际值
6. 演练完成后，重新同步数据
7. 输出演练报告