1 高可用

概述

高可用性（HA）通常是关键基础设施所必需的，这类基础设施几乎不能容忍停机。 因此，对于任何可能发生故障的服务，都必须提供故障切换选项，以便在当前服务发生故障时接管。

Zabbix 提供了一个原生高可用性解决方案，易于设置，并且不需要任何先前的 HA 经验。 原生 Zabbix HA 可用于为 Zabbix 服务器的软件/硬件故障提供额外一层保护，或减少因维护导致的停机时间。

在 Zabbix 高可用模式下，多个 Zabbix 服务器作为集群中的节点运行。 当集群中的一台 Zabbix 服务器处于活动状态时，其他服务器处于待机状态，随时准备在必要时接管。

切换到 Zabbix HA 不具有约束性。 您可以在任何时候切换回单机运行模式。

另请参见：实现细节

启用高可用集群

作为集群节点启动 Zabbix 服务器

要将 Zabbix 服务器作为集群节点启动，需要在服务器 配置 中指定两个参数：

  • 必须为每个将作为 HA 集群节点的 Zabbix 服务器指定 HANodeName 参数。

这是一个唯一的节点标识符（例如 zabbix-node-01），服务器在 agent 和 proxy 配置中将通过它被引用。 如果不指定 HANodeName，则服务器将以独立模式启动。

  • 必须为每个节点指定 NodeAddress 参数。

NodeAddress 参数（address:port）将由 Zabbix 前端用于连接到活动的服务器节点。 NodeAddress 必须与相应 Zabbix 服务器的 IP 或 FQDN 名称匹配。

在修改配置文件后，重启所有 Zabbix 服务器。 它们现在将作为集群节点启动。 服务器的新状态可以在 Reports > System information 中查看，也可以通过运行以下命令查看：

zabbix_server -R ha_status

此运行时命令会将当前 HA 集群状态记录到 Zabbix 服务器日志中（以及 stdout）：

准备前端

请确保在前端配置中未定义 Zabbix 服务器 address:port（位于前端文件目录中的 conf/zabbix.conf.php）。

Zabbix 前端将通过读取 Zabbix 数据库中 nodes 表的设置自动检测活动节点。 活动节点的节点地址将用作 Zabbix 服务器地址。

proxy 配置

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

对于被动 proxy，节点名称必须列在 proxy 的 Server 参数 中，并以 逗号 分隔。

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

对于主动 proxy，节点名称必须列在 proxy 的 Server 参数 中，并以 分号 分隔。

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

HA 集群节点（服务器）必须列在 Zabbix agent 或 Zabbix agent 2 的配置中。

要启用被动检查，节点名称必须列在 Server 参数 中，并以 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 参数 中。 请注意，对于主动检查，节点必须与其他服务器之间用逗号分隔，而节点本身之间必须用 分号 分隔，例如：

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

故障切换到备用节点

如果活动节点停止，Zabbix 将自动故障切换到另一个节点。
要发生故障切换，必须至少有一个节点处于备用状态。

故障切换有多快？
所有节点都会每 5 秒更新一次其最后访问时间（如果状态发生变化，也会更新状态）。
因此：

  • 如果活动节点关闭并成功将其状态报告为“stopped”，另一个节点会在 5 秒 内接管。
  • 如果活动节点关闭/变得不可用，但无法更新其状态，备用节点会等待 故障切换延迟 + 5 秒后再接管。

故障切换延迟是可配置的，支持范围为 10 秒到 15 分钟（默认 1 分钟）。
要更改故障切换延迟，可以运行：

zabbix_server -R ha_set_failover_delay=5m

管理 HA 集群

可以使用专用的 运行时控制 选项来管理 HA 集群的当前状态：

  • ha_status - 将 HA 集群状态记录到 Zabbix 服务器日志中（以及 stdout）；
  • ha_remove_node=target - 删除由其 <target> 标识的 HA 节点 - 节点的名称或 ID（名称/ID 可通过运行 ha_status 的输出获取），例如：
zabbix_server -R ha_remove_node=zabbix-node-02

请注意，活动/备用节点不能被删除。

  • 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）。

可以监控节点状态：

  • 在 Reports > System information 中。
  • 在 System information 仪表板小部件中。
  • 使用服务器的 ha_status 运行时控制选项（见上文）。

内部监控项 zabbix[cluster,discovery,nodes] 可用于节点发现，因为它会返回包含高可用节点信息的 JSON。

禁用 HA 集群

要禁用高可用性集群：

  1. 备份配置文件2。
  2. 停止备用节点。
  3. 从活动主服务器中删除 HANodeName 参数。
  4. 重启主服务器（它将以独立模式启动）。

升级 HA 集群

要对 HA 节点执行主版本升级：

  1. 停止所有节点。
  2. 创建完整的数据库备份。
  3. 如果数据库使用复制，请确保所有节点都已同步且没有问题。如果复制已损坏，请不要升级。
  4. 选择一个将执行数据库升级的单个节点，通过注释掉 HANodeName 将其配置更改为单机模式，并对其进行升级。
  5. 确保数据库升级已完全完成（系统信息 应显示 Zabbix 服务器正在运行）。
  6. 以 HA 模式重启该节点。
  7. 升级并启动其余节点（由于此时数据库已经升级，因此无需将它们切换为单机模式）。

在次版本升级中，只需升级第一个节点，确认其已完成升级并正在运行，然后再开始升级下一个节点。

实现细节

高可用性（HA）集群是一种可选方案，支持 Zabbix 服务器。 原生 HA 方案的设计目标是使用简单，可跨站点工作，并且对 Zabbix 可识别的数据库没有特定要求。 用户可以根据其环境中的高可用性需求，自由选择使用原生 Zabbix HA 方案，或第三方 HA 方案。

该方案由多个 zabbix_server 实例或节点组成。 每个节点：

  • 单独配置。
  • 使用同一个数据库。
  • 可能有几种模式：active、standby、unavailable、stopped。

同一时间只能有一个节点处于 active（工作）状态。standby 节点只运行一个进程 - HA manager。 standby 节点不进行数据采集、处理或其他常规服务器活动；它们不监听端口；数据库连接数最少。

active 节点和 standby 节点都会每 5 秒更新一次各自的最后访问时间。 每个 standby 节点都会监控 active 节点的最后访问时间。 如果 active 节点的最后访问时间超过了“failover delay”秒，standby 节点会切换为 active 节点，并将之前 active 的节点标记为 unavailable 状态。

active 节点会监控自身的数据库连接状态 - 如果连接丢失超过 failover delay-5 秒，则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了 failover delay 秒，则该 standby 节点会被标记为 unavailable 状态。

这些节点的设计可兼容 Zabbix 的次要版本之间的变化。