银河麒麟高可用集群故障自动切换验证需满足:集群状态clean、migration-threshold=5、failure-timeout=60s;通过内核崩溃、断电拔线或冻结三进程模拟故障;切换延迟≤8秒且端口连通即为成功。

在银河麒麟高级服务器操作系统V10 SP3或V11环境下验证集群故障自动切换的可靠性,需绕过GUI层直接触发节点级异常并观测服务接管全过程,不能仅依赖心跳检测日志判断成功。
准备高可用集群基础环境
确认已部署银河麒麟高可用集群软件V10(非社区版pacemaker+corosync裸装),且集群状态为clean:执行pcs status,输出中必须包含Online: [ node1 node2 ]且无FAILED标记。
检查资源约束配置是否启用自动迁移策略:运行pcs resource defaults,确保migration-threshold=5和failure-timeout=60s已设置——【migration-threshold值小于5将导致单次失败即永久停用资源,无法触发切换】。
关闭防火墙临时规避网络策略干扰:sudo systemctl stop firewalld。注意:生产环境切勿长期禁用,此步仅用于测试阶段排除干扰。
模拟主节点硬故障并观测切换行为
方法一:强制内核崩溃(最贴近真实硬件宕机)
登录主节点(如node1)→ 切换至root:sudo -i → 执行echo c > /proc/sysrq-trigger。该命令触发不可恢复的内核panic,模拟电源突然中断或CPU锁死场景。
方法二:拔网线+断电组合(物理层验证)
在node1服务器上,先物理拔除管理网口与业务网口网线 → 立即长按电源键10秒强制关机。此操作绕过OS层面的shutdown流程,检验集群对“消失型节点”的识别能力。
方法三:冻结关键服务进程(验证资源级隔离)
在node1执行:systemctl kill --signal=STOP pcsd corosync pacemaker。注意:必须同时冻结三个进程,单独停止pacemaker会导致corosync持续上报存活,集群不会判定为故障。
验证切换结果与数据一致性
第一步:确认资源接管耗时
在备节点(node2)执行pcs status --full | grep "Last-rc-change",记录时间戳;对比主节点崩溃时刻,差值即为实际切换延迟。V10 SP3标准阈值应≤8秒,超时说明stonith未生效或qdevice仲裁配置错误。
第二步:检查服务端口连通性
立即在第三方客户端机器运行:nc -zv 80(假设负载服务监听80端口)。若返回succeeded!且响应时间pcs resource show中资源的op monitor interval是否大于实际故障检测窗口。
第三步:校验共享存储数据完整性
若集群挂载了GFS2或OCFS2文件系统,登录node2后执行:ls -la /shared/data/ | md5sum,与故障前node1上的同路径md5值比对。不一致说明fencing未完成即启动资源,存在脑裂风险。

















