我用 heartbeat 應該有好幾年了, 好像有 0.x 版開始就用到現在的 3.x 版. 記得剛開始的時候, 功能不多, 不過也沒什麼問題... 現在用的 3.x 版, 最近常常碰到 standby 的機器重新開機 (應該說 heartbeat 的程式停掉再跑), 讓原本正在運作的機器的 heartbeat 突然佔用所有的 CPU, 然後一堆 log 在 ha-log 或 ha-debug 裡頭, 接著... 原本應該正常運作的 heartbeat 就停了.

由於 heartbeat 的 maillist 中看到不少人有類似的情形, 不過... 看起來似乎沒有什麼解決方法. 由於次數越來越多, 所以就想把 heartbeat 換掉.

目前用的替代軟體是 pacemaker + corosync, 機器 (或服務) 的檢查是用 corosync 來處理, 而 pacemaker 負責資源 (或服務) 的管理. 不過... corosync 並不支援 serial port 的使用, 只能用網路來偵測 (人家是設計用來做 cluster 的, 用網路才能多對多, 不像用 serial port 只能一對一), 剛好主機板內建的網卡都沒用到, 就直接拿線接起來用, 這樣跟用 serial port 也差不多.

我用的 corosync.conf:

totem {
        version: 2
        token: 3000
        token_retransmits_before_loss_const: 10
        join: 60
        consensus: 3600
        vsftype: none
        max_messages: 20
        clear_node_high_bit: yes
        secauth: off
        threads: 0
        rrp_mode: active
        interface {
                ringnumber: 0
                bindnetaddr: 10.0.0.0
                mcastaddr: 226.94.1.1
                mcastport: 5405
        }
        interface {
                ringnumber: 1
                bindnetaddr: 10.0.1.0
                mcastaddr: 226.94.2.1
                mcastport: 5415
        }
}
 
amf {
        mode: disabled
}
 
service {
        ver:       0
        name:      pacemaker
        use_mgmtd: 1
}
 
aisexec {
        user:   root
        group:  root
}

在 pacemaker 裡頭的設定 (透過 crm 這 shell 來設定):

node fw1.teatime.com.tw \
        attributes standby="off"
node fw2.teatime.com.tw \
        attributes standby="off"
primitive ext_vip ocf:heartbeat:IPaddr2 \
        params ip="192.168.1.254" cidr_netmask="24" nic="ethext" \
        op monitor interval="10s"
primitive int_vip ocf:heartbeat:IPaddr2 \
        params ip="192.168.0.254" cidr_netmask="24" nic="bond0" \
        op monitor interval="10s"
primitive my_firewall_script ocf:tommy:MyFirewall \
        op start interval="0" timeout="120s" \
        op stop interval="0" timeout="120s" \
        op monitor interval="10s"
group MyFirewall int_vip ext_vip my_firewall_script
location PreferFW2 MyFirewall 100: fw2.teatime.com.tw
property $id="cib-bootstrap-options" \
        dc-version="1.0.9-74392a28b7f31d7ddc86689598bd23114f58978b" \
        cluster-infrastructure="openais" \
        expected-quorum-votes="2" \
        no-quorum-policy="ignore" \
        stonith-enabled="false"
rsc_defaults $id="rsc-options" \
        resource-stickiness="100"

那個 ocf:tommy:MyFirewall 是我自己在 /usr/lib/ocf/resource.d/ 下, 建立一個 tommy 的目錄, 然後把 /usr/lib/ocf/resource.d/pacemaker/Dummy 這個複製過來改的, 只是在 start/stop 的地方去執行一些應該跑的 script 而已.

跑了幾天, 目前看起來似乎比之前用 heartbeat 穩定多了, 至少機器開開關關的運作都很正常.

PS. corosync 所設定用到的那個 udp port, 記得 firewall 不要擋了, 我之前一直以為我沒擋掉, 結果跑起來一直有問題. 把 iptables 設好後就正常了.