2. vSphere高可用架构基础
在讨论灾难恢复之前，必须先厘清一个容易混淆的问题：vSphere 自带的可用性特性，究竟解决的是“故障域内的高可用”，还是“跨站点灾难恢复”？答案很明确——vSphere HA、DRS、vMotion、Storage vMotion、FT 主要解决的是单站点、共享存储前提下的计划内维护与计划外故障，它们是灾难恢复体系的“第一道防线”，而不是 DR 本身。理解这一点，才能正确地把它们放进整体连续性架构中。
一、vSphere HA：主机级故障的自动重启
vSphere HA 的核心机制是“集群 + 心跳 + 重启”。集群内每台 ESXi 主机通过管理网络和存储心跳相互探测，同时每台主机上运行 FDM（Fault Domain Manager）代理，负责与首选主机（Master）通信。当某台主机失联超过设定阈值（默认约 15 秒，可通过 das.failuredetectiontime 调整），Master 会判定其故障，并在其余主机上按优先级重启受影响的虚拟机。
HA 的关键参数包括：主机监控（Host Monitoring）、接入控制（Admission Control）、虚拟机重启优先级、响应隔离（Isolation Response）。接入控制决定集群预留多少资源用于故障切换，常见策略有“集群资源百分比”“插槽策略”“专用故障切换主机”。例如一个 6 主机集群，每主机 128 GB 内存，若预留 25% 资源，则允许同时宕掉约 1.5 台主机的容量，实际规划中通常按 N+1 或 N+2 设计。
需要特别注意的是：HA 依赖共享存储。如果存储本身不可用，HA 无法完成重启，因为虚拟机文件不可访问。因此 HA 解决的是“计算节点故障”，不解决“存储故障”和“站点故障”。
二、DRS 与 vMotion：资源调度与在线迁移
DRS（Distributed Resource Scheduler）负责集群内的资源均衡。它周期性采集 CPU、内存等指标，生成迁移建议，并在全自动模式下直接触发 vMotion。DRS 的价值不只是“均衡负载”，更在于计划内维护的零停机：进入维护模式时，DRS 会自动把虚拟机迁走，而不是强制关机。
vMotion 是 DRS 的执行引擎，实现虚拟机运行状态在主机间的在线迁移。其原理是：先建立目标主机的内存镜像，通过迭代式内存预拷贝（pre-copy）不断同步脏页，当剩余脏页足够小（通常几十毫秒可传完）时，短暂暂停源虚拟机、切换执行权到目标主机，再更新网络与存储的归属。整个过程业务中断通常在毫秒到秒级，用户基本无感知。
vMotion 的硬性前提包括：源和目标主机共享同一存储、同一二层网络、兼容的 CPU 特性（EVC 可屏蔽差异）、足够的带宽与低延迟。跨 vSwitch 或跨三层网络的 vMotion 需要额外配置，而跨站点 vMotion 则对 RTT 有严格要求（通常建议小于 5 ms，长距离 vMotion 需专用方案）。
三、Storage vMotion：存储层的在线迁移
Storage vMotion 解决的是“虚拟机文件在存储之间的在线搬迁”。它先把虚拟机磁盘的初始副本复制到目标存储，然后通过 Changed Block Tracking 持续同步变更块，最后短暂停顿完成切换。它常用于：存储阵列更换、LUN 扩容、把虚拟机从厚置备迁到精简置备、或把热数据迁到高性能存储层。
Storage vMotion 与 vMotion 可以组合使用，实现“计算 + 存储”同时迁移。但要注意：Storage vMotion 不改变虚拟机的网络归属，也不解决存储阵列本身的单点故障——它只是迁移工具，不是冗余机制。
四、FT：连续可用性的极限方案
Fault Tolerance（FT）通过在主虚拟机之外运行一个“影子虚拟机”，并利用 FT 日志记录主虚拟机的指令流，在另一台主机上重放，实现零中断、零数据丢失。主虚拟机故障时，影子虚拟机立即接管，切换时间通常在 1 秒以内，且不丢失任何已提交状态。
FT 的代价也很明显：影子虚拟机占用与主虚拟机相同的 CPU 和内存资源，且 FT 对网络延迟敏感，要求主备主机在同一二层网络、共享存储，并限制每台主机可运行的 FT 虚拟机数量。因此 FT 适合极少数对连续性要求极高、但负载较轻的关键业务，例如交易撮合、核心认证服务，而不适合大规模部署。
五、各特性在灾难恢复体系中的定位
把上述特性放进 DR 体系，可以形成清晰的分层：
- vMotion / Storage vMotion：计划内维护层，消除主动运维带来的停机。
- DRS：资源调度层，保证集群内负载均衡与维护自动化。
- vSphere HA：主机故障层，实现单站点内计算节点故障的自动恢复。
- FT：连续可用层，针对极关键业务的零中断保护。
- 站点级 DR：由 SRM、复制、备份等技术承担，解决站点整体失效。
换言之，HA、DRS、vMotion、FT 共同构成“站点内高可用”，它们让单站点尽可能不中断；而真正的灾难恢复，需要在此之上叠加跨站点复制、编排与切换能力。两者是互补关系，不能互相替代。
六、选型与组合建议
实际规划中，建议按业务等级组合使用：普通业务开启 HA + DRS 即可；重要业务在 HA 基础上增加 Storage vMotion 用于存储维护；核心业务可考虑 FT，但必须评估资源开销与规模上限；所有业务都应纳入站点级 DR 方案，明确 RPO/RTO 目标。需要强调的是，HA 的接入控制预留、DRS 的自动化级别、FT 的主机数量限制，都会直接影响可承载的故障规模，规划时应结合真实资源做容量核算，而不是简单“全开”。