Keepalived 通过自定义磁盘IO健康检查脚本、vrrp_script权重调整和notify事件实现双机热备自愈：脚本每5秒检测await/队列长度，连续3次异常则降权30触发VIP漂移，并在FAULT/BACKUP/MASTER状态执行对应自愈动作。
Keepalived 本身不直接监控磁盘 IO 状态，它核心职责是基于 VRRP 协议管理虚拟 IP（VIP）漂移，依赖外部脚本或服务提供健康检查能力。要实现“监控磁盘 IO 并触发双机热备自愈”，必须通过 自定义 health check 脚本 + notify 配合 + 合理的 failover 逻辑 来达成深度自愈效果。这不是开箱即用功能，但完全可工程化落地。
以下为关键实施路径，聚焦实用、可控、易维护：
1. 编写磁盘 IO 健康检查脚本
脚本需快速判断 IO 是否异常（如持续高延迟、队列堆积、IOPS 长期归零等），避免误切。推荐使用 `iostat` 或 `/proc/diskstats`，示例（保存为 `/opt/health_check_diskio.sh`）：- 检查指定磁盘（如 `sda`）的平均等待时间（await）是否持续 ≥ 100ms（阈值按业务调优） - 检查 I/O 队列长度（avgqu-sz）是否连续 3 次 ≥ 5 - 若任一条件满足，退出码设为 1（表示故障），Keepalived 将触发降级 - 脚本加执行权限：chmod +x /opt/health_check_diskio.sh
2. 在 keepalived.conf 中集成该检查
使用 `vrrp_script` 定义检查项，并绑定到 `vrrp_instance`：- 在 `global_defs` 外添加：
vrrp_script chk_diskio {
script "/opt/health_check_diskio.sh"
interval 5
weight -30
fall 3
rise 2
}
- 在 `vrrp_instance VI_1` 内加入：
track_script {
chk_diskio
}
- 解释：每 5 秒执行一次；连续失败 3 次，本节点优先级减 30；若原 priority 是 100，则跌至 70，低于备机（如 90）时自动让出 VIP。
3. 配置 notify 脚本实现“深度自愈”动作
仅切换 VIP 不够——需同步处理 IO 故障衍生问题（如停 Nginx、卸载异常挂载点、触发磁盘诊断）：- 编写 `/opt/notify_diskio.sh`，根据 `$1`（state：MASTER/BACKUP/FAULT）执行不同逻辑： - FAULT：记录日志、发送告警、尝试 `echo 1 > /proc/sys/vm/drop_caches`（谨慎）、调用 `smartctl -a /dev/sda` 收集磁盘健康数据 - BACKUP：确保本地服务（如 Nginx）已启动且监听 - MASTER：可启动 IO 监控守护进程（如 `iotop -b -o -d 2 | ...` 日志轮转） - 在 `vrrp_instance` 中添加：notify /opt/notify_diskio.sh
4. 必须规避的陷阱
- 不要启用 vrrp_strict：该模式禁用非标准 VRRP 包，会阻断自定义脚本触发的优先级动态调整 - 防火墙放行 VRRP 组播（224.0.0.18），否则心跳丢失导致误切换 - 磁盘 IO 检查脚本必须超时控制（如 `timeout 3s iostat -dx 1 1 | ...`），防止卡死影响 Keepalived 主循环 - 避免检查根分区 IO 导致雪崩：优先监控业务数据盘（如 `/data` 对应的 `/dev/nvme0n1p1`），而非 `/`
不复杂但容易忽略。核心是把磁盘 IO 从“被动指标”变成“主动决策因子”，再借 Keepalived 的权重机制和 notify 事件完成闭环。
