1 高可用性

概述

高可用性（HA）通常在关键基础设施中是必需的，这些设施几乎无法承受任何停机时间。因此，对于任何可能发生故障的服务，必须有一个故障转移选项来在当前服务发生故障时接管其工作。

Zabbix 提供了一种原生的高可用性解决方案，易于部署且不需要任何先前的 HA 专业知识。原生 Zabbix HA 可用于为 Zabbix server 的软/硬件故障提供额外的保护层，或在维护期间减少停机时间。

在 Zabbix 高可用性模式下，多个 Zabbix servers 被 run 为集群中的节点。当集群中的一个 Zabbix server 处于活动状态时，其他节点处于待命状态，必要时可以接管其工作。

切换到 Zabbix HA 是非强制性的。您可以随时切换回独立运行模式。

另请参阅：实现细节

启用高可用性

以集群节点启动Zabbix服务器

在服务器configuration中需要配置两个参数才能以集群节点身份启动Zabbix server：

• HANodeName参数必须为每个将作为高可用集群节点的Zabbix server指定。

这是一个唯一节点标识符（例如zabbix-node-01），服务器将在agent和proxy配置中使用该标识符。若未指定HANodeName，服务器将以独立模式启动。

• NodeAddress参数必须为每个节点指定。

NodeAddress参数（地址:端口）将被Zabbix前端用于连接活动服务器节点。NodeAddress必须与对应Zabbix server的IP或FQDN名称匹配。

修改配置文件后需重启所有Zabbix servers。这些服务器将作为集群节点启动。新的服务器状态可通过以下方式查看： 报表 → 系统信息 或运行以下命令：

zabbix_server -R ha_status

此运行时命令会将当前高可用集群状态记录到Zabbix server日志（及标准输出）中：

前端准备

确保在前端配置中未定义 Zabbix server 地址：端口（在前端文件目录的 conf/zabbix.conf.php 中找到）。

Zabbix 前端将通过读取 Zabbix 数据库中 nodes 表的设置来自动检测活动节点。活动节点的节点地址将被用作 Zabbix server 地址。

Proxy 配置

HA集群节点（服务器）必须在被动或主动Zabbix proxy的配置中列出。

对于被动的proxy，节点名称必须以逗号分隔的形式列在proxy的Serverparameter中。

Server=zabbix-node-01,zabbix-node-02

对于主动的proxy，节点名称必须以分号分隔的形式列在proxy的Serverparameter中。

Server=zabbix-node-01;zabbix-node-02

Agent 配置

HA 集群节点（服务器）必须在 Zabbix agent 或 Zabbix agent 2 的配置中列出。

要启用被动检查，节点名称必须列在 Server parameter 中，并用 逗号 分隔。

Server=zabbix-node-01,zabbix-node-02

要启用主动检查，节点名称必须列在 ServerActive parameter 中。请注意，对于主动检查，节点必须与其他服务器用逗号分隔，而节点本身之间必须用 分号 分隔，例如：

ServerActive=zabbix-node-01;zabbix-node-02

故障转移至备用节点

当主节点停止时，Zabbix将自动故障转移到其他节点。要实现故障转移，必须至少有一个节点处于备用状态。

故障转移的速度有多快？所有节点每5秒会update其最后访问时间（若状态变更则包括状态）。因此：

• 如果主节点正常关闭并能将其状态报告为"已停止"，其他节点将在5秒内接管。

• 如果主节点异常关闭/不可用且无法update其状态，备用节点将等待故障转移延迟时间 + 5秒后接管。

故障转移延迟时间可配置，支持范围从10秒到15分钟（默认为1分钟）。要修改故障转移延迟时间，您可以run：

zabbix_server -R ha_set_failover_delay=5m

管理高可用集群

HA集群的当前状态可通过专用的运行时控制选项进行管理：

• ha_status - 在Zabbix server日志中记录HA集群状态（并输出到stdout）
• ha_remove_node=target - 移除通过其<target>标识的HA节点 - 节点的名称或ID（名称/ID可以从运行ha_status的输出中获取），例如：

zabbix_server -R ha_remove_node=zabbix-node-02

请注意，活动/备用节点无法被移除。

• ha_set_failover_delay=delay - 设置HA故障转移延迟（介于10秒和15分钟之间；支持时间后缀，例如10s，1m）

节点状态可以被监控：

• 在 报告(Reports) → System information
• 在 系统信息(System information) 仪表板小部件widget
• 使用服务器的 ha_status 运行时控制选项（见上文）。

可以使用 zabbix[cluster,discovery,nodes] 内部 监控项 进行节点发现，因为它会返回包含高可用性节点信息的JSON。

禁用高可用性集群

要禁用高可用性集群：

• 备份配置文件
• 停止备用节点
• 从活动的主服务器中移除 HANodeName 参数
• 重启主服务器（它将以独立模式启动）

升级HA集群

对HA节点执行重大version升级时：

• 停止所有节点；
• create完整的数据库备份；
• 如果数据库使用复制，请确保所有节点同步且没有问题。如果复制已损坏，请不要升级。
• 选择一个将执行数据库升级的节点，通过注释掉HANodeName并upgrade它，将其配置更改为独立模式；
• 确保数据库升级完全完成（系统信息 应显示Zabbix server正在运行）；
• 以HA模式重新启动该节点；
• 升级并启动其余节点（此时无需将其更改为独立模式，因为数据库已经升级完成）。

在较小的version升级中，只需升级第一个节点，确保其已升级并正在运行，然后在下一个节点上开始升级。

实现细节

高可用性（HA）集群是一个可选解决方案，并且仅支持Zabbix server。原生HA解决方案设计简单易用，支持跨站点运行，并且对Zabbix所识别的数据库没有特殊要求。用户可根据其环境中的高可用性需求，选择使用Zabbix原生HA解决方案或第三方HA解决方案。

该解决方案由多个zabbix_server实例或节点组成。每个节点：

• 需单独配置
• 使用相同的数据库
• 可能具有几种模式：active（活动）、standby（备用）、unavailable（不可用）、stopped（停止）

同一时间只能有一个节点处于active（活动）状态。一个standby（备用）节点仅运行一个进程——HA管理器。standby节点不进行数据收集、处理或其他常规服务器活动；它们不监听端口；数据库连接也保持最少。

active节点和standby节点都会每隔5秒update一次其最后访问时间。每个standby节点会监控active节点的最后访问时间。如果active节点的最后访问时间超过“failover delay（故障转移延迟）”秒，standby节点将自动切换为active节点，并将先前的active节点标记为'不可用的'状态。

active节点会监控自身的数据库连接——如果数据库连接中断超过failover delay-5秒，它必须停止所有处理并切换到standby模式。active节点还会监控standby节点的状态——如果某个standby节点的最后访问时间超过“failover delay”秒，该standby节点将被标记为'不可用的'状态。

节点设计为在Zabbix小版本之间保持兼容。