IBM HACMP技术详解：高可用集群容错与灾备

"IBM HACMP听课笔记" IBM HACMP，即High Availability Cluster Multiprocessing，是一种高可用性集群解决方案，主要用于提高关键业务系统的稳定性。它通过监控和管理集群中的资源，确保在出现故障时能够快速无缝地切换到备用节点，从而最小化服务中断。 在HACMP中，SPOF（Single Point of Failure）是指任何可能导致整个系统失效的单一组件。为了减少SPOF，HACMP支持动态CPU去分配，当某个CPU发生故障时，系统会自动禁用该CPU，以避免整个系统崩溃。此外，HACMP还允许动态添加模块和驱动，这些更改无需重启系统，增加了系统的灵活性。 HACMP与VCS（Virtual Cluster Systems）类似，都关注于应用监控和故障处理。在HACMP 5.4版本之后，引入了应用监控容错机制，实现了全冗余配置，尽管这可能对某些特定应用来说成本较高。HACMP的切换速度相当快，大约在30秒内完成基本的系统切换，但如果涉及应用程序，总切换时间可能延长至3-4分钟。在AIX 5.3 Service Pack 7之后，HACMP改进了quorum机制，使得某些更改不再需要重启。 AIX 5.3开始支持网络聚合，提高了网络带宽和可靠性。HACMP的配置信息存储在对象数据模型（ODM）中，因此需要在集群的各个节点间进行同步。理想情况下，RAC（Resource Access Control）应包含两个节点，因为更多节点可能导致性能下降，就像包饺子时，人多并不一定效率高。 HACMP 5.41及以后的版本，日志文件hacmp.out的位置更改为/var/hacmp/log/。此版本仅支持在Power架构上运行的Linux系统。对于异地容灾，HACMP提供了HACMP XD作为选件，但这是一项昂贵的功能。数据库层面的高可用性解决方案包括DB2的HADR和Oracle的数据卫士。 HACMP主要监控三类故障：节点、网络和网卡。资源组（RG）是HACMP中的一组相关资源，它们一起漂移并在故障发生时作为一个整体进行切换。资源只能属于一个资源组，并且每个资源组可以有自己的策略。集群可容纳64个资源组，32个节点，256个IP地址和16个物理网络。物理网络指如VLAN这样的实际网络，而逻辑网络可能指代如网段这样的抽象网络。 HACMP不负责备份恢复或时间同步，这些需要其他工具来完成。实现零停机时间虽然理想，但可能会带来安全性问题，例如在C2和B1安全级别下启用TCB（Trusted Computing Base）可能会导致服务启动困难。在不稳定的环境中，错误配置的HA系统反而可能降低可用性。CRM（Concurrent Resource Management）自5.1版本起被整合到HACMP中。 配置文件和应用软件通常建议本地安装，而非放在共享存储中，以便进行滚动升级并保持不同应用的独立配置。RAC（Real Application Clusters）与HACMP的互备模式的主要区别在于，RAC允许并发访问，通过锁定机制来管理数据，而互备模式则是在节点故障时由另一个节点接管全部资源。 最后，共享存储保护技术如RSCT（Resilient Storage Component Technology）有助于确保在存储层面对故障的防护。RSCT是IBM提供的一种高级存储管理技术，旨在增强AIX系统对存储故障的抵抗力。