1. 生产集群高可用架构总览
在vSphere生产环境中，高可用从来不是单一功能，而是由多个控制平面协同形成的分层能力。vSphere HA与DRS是其中两个最核心的集群级服务：HA解决"节点故障后虚拟机能否自动恢复"的问题，DRS解决"虚拟机在正常运行时能否持续获得均衡且合理的资源"的问题。理解二者的定位差异与协作关系，是设计生产集群高可用架构的起点。
一、HA与DRS的定位差异
vSphere HA（High Availability）属于故障恢复型能力。它的工作前提是"已经发生故障"，目标是在ESXi主机、网络或存储路径失效后，让受保护虚拟机在集群内其他可用主机上重新启动。HA的核心对象是故障域与重启优先级，它不关心虚拟机平时跑在哪台主机上，只关心故障发生时能否找到满足资源与兼容性要求的落点。
vSphere DRS（Distributed Resource Scheduler）属于运行优化型能力。它的工作前提是"集群整体健康"，目标是通过vMotion在主机之间迁移虚拟机，使CPU、内存等资源负载趋于均衡，并遵守亲和/反亲和、主机组、虚拟机组等放置规则。DRS的核心对象是资源池、迁移阈值与规则约束。
二者并非替代关系，而是互补关系：HA保证"故障后能回来"，DRS保证"平时放得合理"。如果只有HA没有DRS，故障恢复后可能出现资源严重倾斜；如果只有DRS没有HA，主机宕机时虚拟机不会自动重启。生产集群通常同时启用两者，并让DRS为HA预留合理的资源余量。
二、设计目标与可用性层级
生产集群高可用设计通常围绕四个目标展开：故障可恢复、恢复可预期、资源可均衡、策略可审计。这四个目标对应不同的可用性层级：
- L1 主机级可用：单台ESXi主机故障，虚拟机在集群内其他主机重启，依赖HA。
- L2 资源级可用：集群资源持续均衡，避免热点主机导致性能劣化，依赖DRS。
- L3 存储/网络级可用：共享存储多路径、冗余上行链路、隔离响应策略，依赖HA与网络/存储设计配合。
- L4 站点级可用：跨站点延伸集群或SRM编排，依赖HA、DRS与站点级策略共同作用。
层级越高，设计复杂度与成本越高。实际项目中应先明确业务系统所需的可用性层级，再决定HA与DRS的接入点与参数强度，而不是默认把所有集群都按最高层级配置。
三、整体架构视图
下图给出一个典型生产集群中HA与DRS的协作关系：vCenter作为管理平面，HA与DRS作为集群级服务运行；ESXi主机组成计算资源池，共享存储提供虚拟机文件；HA负责故障检测与重启编排，DRS负责运行期迁移与规则约束。图中同时标出了HA的隔离响应路径与DRS的迁移路径，便于理解二者在数据流与控制流上的分工。
四、关键参数与设计取舍
在整体架构确定后，HA与DRS的参数选择直接决定可用性表现。以下是一组典型生产集群的参考配置，用于说明参数之间的关系：
| 参数项 | 典型取值 | 设计含义 |
|---|---|---|
| HA 主机隔离响应 | 关闭并重新启动虚拟机 | 主机失联时优先释放资源，避免脑裂 |
| HA 准入控制 | 集群资源预留 25% | 保证故障切换有足够资源落点 |
| HA 重启优先级 | 核心业务=高，测试=低 | 故障时按业务重要性排序恢复 |
| DRS 自动化级别 | 全自动 | 允许DRS自动执行vMotion |
| DRS 迁移阈值 | 中等（保守偏均衡） | 平衡迁移频率与稳定性 |
| 反亲和规则 | 核心DB互斥 | 避免同业务虚拟机落在同一主机 |
需要强调的是，HA的准入控制预留与DRS的负载均衡目标存在天然张力：预留越多，故障切换越安全，但平时可用资源越少；DRS越激进，资源利用率越高，但迁移带来的瞬时开销也越大。生产设计中通常先满足HA的故障切换资源需求，再让DRS在剩余资源空间内做均衡，而不是反过来。
五、架构落地时的检查要点
整体架构视图确定后，落地前应逐项确认：集群内所有主机是否使用相同或兼容的CPU代际（影响vMotion兼容性）；共享存储是否对所有主机可见且多路径正常；HA心跳数据存储是否独立于业务存储；DRS规则是否与HA重启优先级冲突；vCenter本身是否具备独立的高可用保护。这些检查点决定了HA与DRS能否按设计意图协同工作，而不是在故障时互相掣肘。