34、提升Ubuntu服务器容错性的全面指南

提升Ubuntu服务器容错性的全面指南

硬件故障与容错需求

硬件故障是服务器运行中常见的问题，多年来服务器的各种主要硬件组件，如CPU、RAM、SCSI控制器，尤其是硬盘，都有可能出现故障。除了硬件故障，系统停机还可能由交换机配置错误、停电，甚至系统管理员误重启服务器等问题导致。如果服务停机就会造成经济损失，那么就需要采取措施确保服务不受组件故障的影响。

容错原则

为了提高服务器的容错能力，可遵循以下原则：
1. 构建冗余系统 ：容错的基本思路是设置系统，使任何一个组件出现故障时，服务仍能正常运行。如今，配备冗余电源和冗余磁盘的服务器很常见，甚至有些服务器还有冗余BIOS和远程管理端口。不过，冗余也存在浪费资源的问题，例如在RAID中，通常会为了冗余至少损失一块磁盘的存储空间。但与停机成本相比，大多数系统管理员认为增加成本来实现冗余是值得的。
2. 优先选择热插拔组件 ：RAID能保护数据和防止主机因磁盘故障而停机，但如果需要关闭主机来更换磁盘，那么RAID的优势就会大打折扣。因此，应尽可能选择热插拔组件。现在的服务器通常提供热插拔磁盘和电源，许多还配备了热插拔风扇。在一些高端刀片服务器中，甚至可以热插拔集成网络和SAN交换机以及远程管理卡。
3. 测试冗余系统 ：和备份一样，未经测试的容错系统不能算作有效的容错系统。在部署新的冗余系统（如以太网绑定或服务器集群）之前，应尽可能模拟故障，了解系统在故障发生时的响应以及修复后的恢复情况。系统的配置方式会影响其处理故障和恢复的行为，同时，这也是测试故障监测机制的好时机。
4. <