最近在做mysql的高可用集群时，采用了heartbeat + drbd 来实现。在做灾难测试时发现两个问题：
1、发现当禁用网卡连接，模拟网卡失效时，主/备服务器不能实现正常的故障转移。后查资料发现，原来heartbeat 的故障切换只能在主服务器宕机或heartbeat 服务关闭的情况下，才能实现故障的正常切换。不能实现对网卡状态的监控。其实这个问题可以通过 heartbeat 中的 ipfail 功能来实现。原本我认为ipfail功能是一个可有可无的功能，有的话，对系统加多一层保障，没有的话，也不会产生影响。但经过这一次，我发现我错了，ipfail功能还是很有用的，它并不是虚设的，它是真正实用的工具。ipfail 可以实现对网络状态的监控，当 ipfail 的机制发现所监控的网络没有网络连接时，将会触发一个主/备故障转移操作。在做 ipfail 操作时，注意一点就是 ipfail 只能用于监控公网接口，不能与内部的心跳接口放在一起监听，如果在同一个接口的话，会导致 ipfail 工作失效。这或许是为什么很多朋友在网上说，ipfail不能正常工作的原因吧。网上有些朋友说，ipfail 已经过时，不能用啦。我个人觉得，这是理解错误，如果ipfail功能失效，那为什么在heartbeat安装后，还会有这个工具呢？ipfail 在Heartbeat的CRM模式下据说会与CRM有冲突，这个没有测试过，不敢发表意见。
2、当主/备之间的心跳线断开网络连接时，不能进行故障的切换。这个原本按着我对集群的理解是，当主/备之间的心跳断开连接时，就会产生一次主/备故障切换的过程。但经过这次实际的测试，发现事实并非如此，事实是当主/备之间的心跳断开连接时，此时主/备都会将自己作为主服务器，此时两台服务器都会拥有集群资源，这时，也就是发生了大家常说的“裂脑”现象。在红帽的 RHCS 中有一种专门用来解决这种“裂脑”现象的机制叫 Fence 。RHCS通过使用一种专业的 Fence 设备来对集群进行心跳监听，Fence 设备会不断对集群中的主服务器进行主跳监听，当发现集群中的主服务器没有心跳时，Fence 设备会向主服务器发送一个强制关机的信号，将失去网络连接的主服务器关机，以实现网络中只会有一台服务器拥有集群的资源。我现在终于明白，为什么我当初在学习RHCS的时候，有一位牛人说，如果RHCS中没有使用Fence 机制，RHCS 是不完美的，无法称为真正意义上的集群。现在我终于明白啦。Heartbeat 中没有这种机制，也许 Heartbeat 的CRM 模式会有，但CRM的配置太复杂了一点，而且至今没有发现有这方面的成功案例。但我想 CRM模式只是实现资源的监控，但对于这种裂脑现象，却不一定有效。目前解决这种问题的方法，我认为行之有效，而又直接便利的方法：是使用 bonded 技术，将两块网卡绑定起来，实现网卡冗余。这样当两台服务器的其中一块网卡出现故障时，不会影响到服务器之间的心跳监测。
收获：
1、对 Heartbeat 的故障切换与Heartbeat 的 ipfail 使用有一个更清晰的了解。
2、对于集群中的“裂脑”现象，认识更深刻啦。
3、终于认清了半知半懂的 Fence 机制啦。
YEAH！