1. 课程导入与高可用工程全景

在开始接触 Pacemaker、Corosync、共享存储或仲裁机制之前，需要先建立一个判断标准：什么样的系统才算“高可用”？很多初学者把高可用等同于“集群软件装好了、节点能互相看到”，但真正的工程目标并不是让集群软件运行起来，而是让业务在组件故障时仍能按预期继续提供服务。因此本章先厘清概念与指标，再俯瞰 RHEL 高可用技术栈，最后规划一套可反复使用的实验环境。

高可用与业务连续性的区别

高可用（High Availability，HA）关注的是“减少服务中断时间”，通过冗余节点、故障检测与自动切换，把单点故障的影响降到最低。它的典型手段是集群：多个节点共同承载同一业务，主节点失效时备用节点接管资源。业务连续性（Business Continuity，BC）的范围更大，它不仅包含高可用，还包含数据保护、灾难恢复、站点切换、人员与流程预案。可以这样理解：高可用解决“机器坏了业务别停”，业务连续性解决“机房没了业务怎么活”。

两者在工程上并不冲突，而是层次不同。RHEL 高可用集群属于业务连续性的技术底座之一，它保证的是本地或同城范围内的快速接管；跨站点的容灾、数据异步复制、定期演练则属于更高层的连续性设计。本课程聚焦于 RHEL 平台上的高可用集群工程能力，但始终要把“业务是否真的连续”作为最终判断依据，而不是只看集群状态是否为绿色。

RTO 与 RPO：把业务要求翻译成技术指标

业务方通常说“这个系统不能停太久”“数据不能丢”，这类描述无法直接指导技术选型。工程上必须把它翻译成两个可度量指标：

• RTO（Recovery Time Objective，恢复时间目标）：从故障发生到业务恢复可接受的最长时间。它决定切换速度、检测灵敏度与自动化程度。例如 RTO 为 5 分钟，意味着故障检测加资源接管必须在 5 分钟内完成。
• RPO（Recovery Point Objective，恢复点目标）：允许丢失的数据时间窗口。它决定数据复制方式。例如 RPO 为 0，通常要求同步复制；RPO 为 15 分钟，则可采用周期性快照或异步复制。

这两个指标直接决定架构。假设某订单系统要求 RTO≤3 分钟、RPO=0，那么集群需要快速健康检测、自动 fencing、共享存储同步写入；如果要求 RTO≤30 分钟、RPO≤10 分钟，则可以用更宽松的异步复制与人工确认切换。下表给出一个示例对照，帮助理解指标如何影响设计：

需要强调：RTO 和 RPO 是业务指标，不是集群软件参数。集群软件只能帮助逼近这些目标，最终是否达标要通过故障演练验证。例如拔掉主节点电源，记录业务恢复时间，才能确认 RTO 是否真的满足。

RHEL 高可用技术栈概览

RHEL 的高可用能力由一组组件协同构成，理解它们的分工比记住命令更重要。核心组件包括：

• Corosync：集群消息层，负责节点成员关系、心跳与消息传递。它决定节点之间是否“看得见彼此”。
• Pacemaker：集群资源管理器，负责资源定义、依赖关系、启动顺序、故障检测与迁移决策。它决定“谁在哪儿运行”。
• 资源代理（Resource Agent）：具体服务的控制脚本，如 pcs 管理的 ocf:heartbeat:IPaddr2、ocf:heartbeat:Filesystem、systemd 资源等。它决定“怎么启停和监控一个资源”。
• Fencing/STONITH：隔离故障节点，防止脑裂导致数据损坏。它决定“故障节点是否被强制排除”。
• pcs：命令行管理工具，用于创建集群、配置资源、查看状态。
• 共享存储与仲裁：如 iSCSI、LUN、qdisk 或 SBD，用于数据一致性与集群决策。

这些组件的关系可以用下面的信号与决策链来表示：Corosync 提供成员与心跳，Pacemaker 基于策略做决策，资源代理执行动作，Fencing 保证安全边界。缺少任何一环，集群都可能出现“看起来正常但实际不安全”的状态。

实验环境规划与部署思路

为了让后续章节的配置、排障和演练可复现，本课程建议使用一套最小但完整的两节点实验环境。示例规划如下：

• 两台 RHEL 9 虚拟机：node1（192.168.10.11）、node2（192.168.10.12），主机名与 /etc/hosts 必须互相解析。
• 一块共享 iSCSI LUN，或使用虚拟化平台提供的共享磁盘，用于集群文件系统与数据一致性实验。
• 一个浮动业务 IP：192.168.10.100，作为客户端访问入口。
• Fencing 设备：实验环境可用 fence_virtd 或 SBD，生产环境必须使用真实可隔离的电源/存储隔离设备。
• 时间同步：chronyd 保证节点时间一致，否则日志与证书校验容易出错。

部署顺序建议为：先完成系统基础配置（主机名、hosts、时间同步、防火墙与 SELinux 策略确认），再安装 pcs、pacemaker、corosync、fence-agents 软件包，然后启用 pcsd 并设置 hacluster 密码，最后创建集群并配置 fencing。一个典型的初始化命令序列如下：

# 两台节点均执行
dnf install -y pcs pacemaker corosync fence-agents-all
systemctl enable --now pcsd
passwd hacluster

# 在 node1 上创建集群
pcs host auth node1 node2 -u hacluster -p <密码>
pcs cluster setup ha_cluster node1 node2
pcs cluster start --all
pcs cluster enable --all
pcs status

执行 pcs status 后，应看到两个节点均为 Online，且没有资源失败。此时集群只是“成员就绪”，还没有承载业务。接下来需要配置 fencing，再添加浮动 IP、文件系统与服务资源。判断环境是否可用的关键不是“命令没报错”，而是：节点能互相通信、fencing 能真正隔离、资源能在节点间迁移、业务 IP 在切换后仍可访问。