Nginx+Keepalived高可用集群通过主备自动切换消除单点故障，核心在于配置可复用、状态可感知、切换可验证、故障可追溯；需统一环境、主备差异化配置、真实服务能力健康检查及VIP漂移后服务验证。
用 Nginx 和 Keepalived 搭建高可用集群，核心目标是消除单点故障，让入口服务在主节点宕机时自动切到备节点，整个过程无需人工干预。自动化运维的关键不在于“全脚本化”，而在于配置可复用、状态可感知、切换可验证、故障可追溯。
环境准备要统一且闭环
两台服务器必须保持基础环境一致：关闭防火墙（或放行 VRRP 协议端口 112/udp）、禁用 SELinux、同步时间（chrony 或 ntp）、配置 hosts 解析、使用相同网卡名（如 ens33）。不同发行版（CentOS 8、openEuler 22、银河麒麟 V10）依赖略有差异，建议用一键部署脚本统一处理——它能自动识别系统类型、安装对应源、编译带 stub_status 模块的 Nginx，并预置健康检查脚本路径。
Keepalived 配置需主备分离但逻辑对称
主备节点共用一套配置骨架，仅通过三处差异化设置实现角色自动识别：
- router_id：设为唯一主机标识（如 KEEPALIVED_NGINX_MASTER / BACKUP），避免集群冲突
- state：主节点写 MASTER，备节点写 BACKUP
- priority：主节点设为 100，备节点设为 90（差值 ≥ 5，防脑裂）
务必注释掉 vrrp_strict，否则在非 LVS 场景下会因缺少 IPVS 模块导致 Keepalived 启动失败；vrrp_skip_check_adv_addr 也应启用，避免广播地址校验异常。
健康检查不能只看进程，要验证真实服务能力
单纯检测 nginx 进程是否存在（ps -ef | grep nginx）不可靠——进程存活但 80 端口无响应、配置加载失败、upstream 全挂等情况仍会导致业务中断。推荐做法：
- 编写检测脚本，用 curl -s --connect-timeout 2 -m 3 http://127.0.0.1/health 访问 Nginx 自定义健康探针（返回 200 才算通过）
- 脚本中加入重启逻辑：若检测失败，先尝试 systemctl reload nginx（比 restart 更安全），再验证，仍失败才触发 VIP 释放
- Keepalived 中用 vrrp_script 定义检查项，interval 设为 2 秒，weight 设为 2，使优先级动态浮动
VIP 漂移后必须验证服务可达性
切换完成不等于业务恢复。自动化运维需内置验证环节：
- 在备节点接管 VIP 后，立即执行本地 curl 测试（curl -I http://192.168.1.100），确认 HTTP 状态码为 200
- 记录日志：每次 state change（MASTER → BACKUP 或反之）都写入 /var/log/keepalived.log，并附带当前 nginx 状态和 upstream 健康数
- 可选集成告警：当连续 3 次健康检查失败，或 VIP 切换超过 2 次/小时，触发企业微信或邮件通知
