Lycn 2013 with SQL AlwaysOn 「三」后续问题

在前面两节当中,我们杀鸡取卵,偷梁换柱,终于迎娶白富美(AlwaysOn),走向……打住,没测呢还。

对,我们没有进行后端高可用的测试,如何测?

在客户端连接着的情况下,关闭一台后端数据库节点,然后看客户端有没有反应。

Exchange 2010切DAG节点都要断一下重连咧(手动切Active和Passive是不会的,你关掉一台全是Active副本的MBX试试?),你一嫁接起来的Lync关后端节点何德何能客户端会没反应?试试呗

我们关掉目前的主副本,同时观察客户端的反应情况,看到右边窗格里一水的对号是不是很爽?咦嘻嘻……

不行,没爽够再看一遍……

好,回到正题,我们边关机边观察Lync客户端的反应……那就是……没有反应…

打开LyncFE上的日志看看?不大可能啊!一堆报错呢,

安慰自己:不要紧,Exchange关掉一台MBX也会出一堆错误呢……

切回客户端,再看看?

果然求仁得仁,人在做天在看,不信抬头看苍天绕过谁,不做死就不会死!

详细读一下前端的日志吧,发现这样两条。

分析一下,此时我们关闭了LyncBE-1也就是主副本节点,那么AlwaysOn的侦听器会将请求发给LyncBE-2,换句话说,是LyncFE前端,无法连接到LyncBE-2上的Lync数据库。

为什么呢?Contoso\LYNCFE$这是个计算机账户呀……

聪明的你现在一定醒悟了已经,是Sql登录名的关系。

我们对比一下两台后端数据库的登录名列表:

也就是说,在第一次发布拓扑的时候,LyncFE在LyncBE-1上创建了数据库,并且添加了Lync服务账户组到SQL的登录名,并为其分配了登陆角色,然后我们进行AlwaysOn同步,只同步了数据库,而这么重要的登录名(5个功能组!)!我们并没有同步!

换句话说,我们需要手动在LyncBE-2节点上添加关于Lync的一些功能性账户的登陆名。

操作起来非常简单,因为有LyncBE-1节点可以做参照,我们知道需要配置哪些地方,哪些权限。

由于我已经做过对比,这几个登陆名都配置了相同的一条权限,即“连接SQL”,所以我们只需要在域里面,添加一个全局通用组,将这几个Lync功能组拖进去,然后在LyncBE-2上为这个全局通用组创建登陆名,并分配LyncBE-2的连接SQL权限即可。

有了思路就开干!:

添加成员

添加完毕

然后打开LyncBE-2上面的SQL控制台右击安全性- 登陆名 - 新建登陆名

单击搜索,

注意这里默认是没有勾选组的,也就是默认不允许添加组进来。我们需要勾选一下,然后输入组名称LyncBElogin。

然后单击左边的安全对象,单击搜索,选择服务器LyncBE-2

在下面的权限里,勾选“连接SQL”

然后单击确定,这样就可以让Lync服务组以服务账户连接LyncBE-2了!

其实操作到了这一步的时候,只要添加成功,Lync客户端那边马上会有反应,即不会再提示在中断期间有限功能可用。

然而我并没有留下那个截图……

好了,接下来将LyncBE-1启动起来,我们尝试轮流关闭两台后端节点。同时观察客户端反应。

没有反应

依旧没有反应……

前端日志里连个报错都没!

事已至此…基本可以说,在连通性方面,这种架构是允许的且合理的存在的。

后端节点进行故障转移的时候,客户端完全没有任何感觉。但是功能性方面,至发稿为止,我测试过基本IM功能,都没有问题……

至于其他组件,比如存档监控……我就说不好了。

CDR……没错,这个库,是在创建安装前端的时候才会建立的……发布拓扑的时候跟它一点关系也没,所以这个56202报错,就只能让他这么下去了

目前我想到的解决办法是找一个正常的Lync 2013环境,记录下该数据库的配置,如路径,初始大小等,然后把LcsCDR这个数据库在当前架构上手动进行建立,再加到AlwaysOn可用性组里。至于操作,就留给感兴趣的人了……

所以,这个架构仍然是有缺陷和风险的。虽然我目前只发现了这一个问题,但毕竟是测试环境,其余组件的说服力不足…如果Lync有系统性的诊断工具,倒是可以进行一次健康度测试或者压力测试,如果各位看官发现了其他问题,也欢迎留言交流。虽说是旁门左道,可是在中小型环境里,数据库大多堆在一块的场景下,这种架构的存在其实是非常节省成本的高可用解决方案!

时间: 2024-08-09 01:21:17

Lycn 2013 with SQL AlwaysOn 「三」后续问题的相关文章

Lycn 2013 with SQL AlwaysOn 「一」建立AlwaysOn

注意:微软官方并未正式宣布Lync2013能够使用Sql Server的AlwaysOn高可用性技术,本文只是采取一些旁门左道取巧的办法达到该目的,其实施完成后还存在一些问题和风险,搭来稳定还好,如果真出了啥岔子--阅读本文也需要有一定的Lync2013实施经验,因为其中省略了一些大家熟知的步骤(主要是懒得截图凑篇幅,如果有步骤不明白可以留言交流) 目前据我们所知,Lync的后端SQL数据库高可用只能有两种办法 1.SQL clustering 2.SQL mirroring (Database

Lycn 2013 with SQL AlwaysOn 「二」偷梁换柱装Lync

上一节里,我们部署好了两台Lync后端数据库节点的AlwaysOn可用性组.这一节才是重头戏,怎么把Lync搭在上面. 再来梳理一下最开始思考好的思路: 1.安装Lync先决 2.AD准备.配置DNS.配置用户和组 3.管理工具安装 4.发布拓扑 ---- 此时后端数据库指向LyncBE-1,发布拓扑后去观察其数据库创建结构,确认Lync所需数据库全部创建完毕. 5.将Lync创建的数据库加入到可用性组里,并且完成初始同步. 6.在拓扑管理器里删除部署,发布空拓扑,移除中央存储位置. 7.创建新

成功大數據團隊的「三駕馬車」

對於那些著手嘗試大數據應用的企業來說,成敗的關鍵是組建一個優秀的大數據團隊,但是不要指望一個「首席數據官(CDO)」或者數據科學家搞定所有的事情,成功的大數據團隊需要三駕馬車:一位業務分析師.一位機器學習專家和一位數據工程師.隨著報表軟體企業應用的火熱開展,數據科學家正在鬧人才荒,可謂一將難求,但是Lithium公司的首席科學家Michael Wu博士在接受IW採訪時表示:數據科學家的人才荒是因為人們對數據科學家的期望值過高,希望他即懂業務也懂最先進的大數據技術,這樣的人才自然是奇貨可居,而且不

LibreOJ #2013. 「SCOI2016」幸运数字

二次联通门 : LibreOJ #2013. 「SCOI2016」幸运数字 /* LibreOJ #2013. 「SCOI2016」幸运数字 树链剖分 + 线段树 + 线性基合并 没什么可说的 对原树进行树链剖分 然后建线段树 每个区间维护一段线性基 每次暴力把一段插入另一段中 最后线性基求最大即可 注意线性基求最大时一定是倒着枚举的 */ #include <cstdio> #include <iostream> const int BUF = 12312334; char Bu

【sql: 联系题26 ,27】查询平均成绩大于等于 85 的所有学生的学号、姓名和平均成绩,查询课程名称为「数学」,且分数低于 60 的学生姓名和分数

题目:26:查询平均成绩大于等于 85 的所有学生的学号.姓名和平均成绩 分析:这个应该是根据student 进行分组 group by 再根据 having >= 85 进行过滤,然后在关联student 信息表,拿到学生的基本信息 SELECT student.id, student.stdentname,AVG(student_score.score) AS a FROM student_score, studentWHERE student.id = student_score.stud

大数据和「数据挖掘」是何关系?---来自知乎

知乎用户,互联网 244 人赞同 在我读数据挖掘方向研究生的时候:如果要描述数据量非常大,我们用Massive Data(海量数据)如果要描述数据非常多样,我们用Heterogeneous Data(异构数据)如果要描述数据既多样,又量大,我们用Massive Heterogeneous Data(海量异构数据)--如果要申请基金忽悠一笔钱,我们用Big Data(大数据) 编辑于 2014-02-2817 条评论感谢 收藏没有帮助举报作者保留权利 刘知远,NLPer 4 人赞同 我觉得 大数据

从「集装箱」思考Docker风潮

从「集装箱」思考Docker风潮 -- Docker潮流下的赢家策略 By 高焕堂 (台灣Docker聯盟 主席) 2015/02/20 前言 在许多革命性转折里,经常出现集装箱的身影:它就像幸运草一般,总是带来许多幸福和财运.现在Docker风起云涌,再现集装箱身影,如果开放视野.大力支持它,持续发挥它的潜能和力量,则幸运草就会出现在我们身旁了. 由于Docker集装箱带来的商机,其最直接的受益者是软件管理者(或称维运者),例如软件测试工具业者.测试人员等.因此在今天,不论您是开发者或是维运者

大數據的「真面目」及其運用

大數據的定義 近年來,人們對「大數據」的關注度日益提高.這都歸因於麥肯錫全球研究院在2011年發布的研究報告.該報告認為人們即將迎來一個利用規模大到超出現有數據處理系統能力的巨量信息時代,並暗示戰略性地利用這些信息數據,就有可能產生巨大的商業機會. 那麼大數據到底是什麼呢?從字面來看,它指的是以現有信息處理技術無法應對的龐大信息量.而實際上,當我們將儲蓄了各種服務的使用信息數據與用戶的屬性信息相結合,並在這些信息數據發生時能夠全量獲取,就被稱做大數據. 典型的是互聯網服務的利用數據.另外還包括零

分布式系统「伸缩性」大招之——「水平&amp;垂直切分」详解

如果第二次看到我的文章,欢迎右侧扫码订阅我哟~  ?? 本文长度为5389字,建议阅读14分钟. 坚持原创,每一篇都是用心之作- 没想到这篇文章写了这么长,一时半会没消化完的话,可以收藏一下先. 这是「伸缩性」章节的第四篇,先给新来的小伙伴们简单回顾下前三篇的内容. 做「伸缩性」最重要的就是先做好「无状态」,如此才可以随心所欲的进行横向“扩展”,而不用担心在多个副本之间切换会产生错乱.<分布式系统关注点——「无状态」详解>聊的就是这个. 不过,就算做好了横向扩展,本质上还是一个“大程序”,只是