如何在10分钟内塔建Zabbix Server HA集群？

精通Zabbix开源监控系统架构，参与过国内多家银行、保险、证券、制造业客户的Zabbix监控实施。
Zabbix5.0中文手册官方译者。

感谢译者王会新，欢迎更多资深用户翻译官方博文并分享！

通过使用在Zabbix 6.0 LTS版本中新增的Zabbix Server HA集群功能，在不使用任何外部工具的情况下快速配置和部署多节点Zabbix Server HA集群。让我们看看如何在10分钟内部署Zabbix服务器HA集群。

为什么Zabbix需要HA？

让我们深入探讨什么是高可用性，并尝试定义“高可用性”一词的含义：

如果一个系统没有单点故障，那么系统是以高可用性模式运行;
单点故障是导致整个系统停止运行的部件故障;
在使用高可用性的系统中，冗余是一项要求。在我们的例子中，我们需要一个冗余组件，如果当前活动的组件遇到问题，我们可以将其故障转移到该组件;
故障切换过程需要透明和自动化;

就Zabbix平台架构而言，单点故障就是我们的Zabbix Server。尽管Zabbix自身非常稳定，但是仍然会因为操作系统级别的问题或其它不可预料的情况（如磁盘空间不足）而发生Zabbix平台崩溃。如果Zabbix Server停机，所有数据收集、问题检测和警报都将停止。这就是为什么Zabbix提供可以实现高可用和冗余的组件非常重要。

如何为Zabbix选择高可用方案

在Zabbix 6.0 LTS版本中增加Zabbix Server HA集群功能支持之前，一般使用第三方HA方案来实现Zabbix Server的高可用。这引发了一场持续的讨论——我应该使用哪种第三方解决方案，以及我应该如何为Zabbix组件配置它？除此之外，您还将拥有一个新的软件层，需要适当的专业知识来部署、配置和管理。当然，也有基于云的HA方案，但大多数情况下，这些方案会产生额外的成本。

没有第三方高可用性工具所需的专业知识可能会导致不必要的Zabbix系统停机，在最坏的情况下，可能会导致Zabbix DB后端不一致。以下是错误配置的高可用性解决方案可能引发的情况：

自动故障切换可能未正确配置;
两个Zabbix Server节点同时运行的场景，可能会导致Zabbix数据库后端不一致;
错误配置STONITH（射中头部的另一个节点）场景——可能导致两个Zabbix Server节点都崩溃;

原生态Zabbix HA高可用方案

Zabbix 6.0 LTS版本所提供的高可用解决方案易于设置，所需的所有步骤都记录在Zabbix文档中。本解决方案不需要任何额外的专业知识，Zabbix将继续提供官方支持、更新和改进。本高可用性解决方案不需要任何新的软件组件——高可用性解决方案将有关Zabbix服务器节点状态的信息存储在Zabbix数据库后端。

Zabbix集群是如何工作的

要启用Zabbix Server的高可用功能，我们首先需要在高可用模式下启动Zabbix服务器组件。为了实现这一点，我们需要查看/etc/zabbix/zabbix_server.conf文件中的两个新参数：

HANodeName – 为Zabbix Server集群指定任意名称;
ExternalAddress – 指定集群节点的地址;

完成更改并添加这些参数后，不要忘记重新启动Zabbix Server集群集节点以应用更改。

Zabbix Server集群名称

HANodeName参数是最重要的配置参数——如果希望在高可用模式下运行Zabbix Server，则必须指定该参数。

此参数用于指定特定Zabbix Server集群的名称;
如果未指定HANodeName，Zabbix服务器将不会以集群模式启动;
节点名称在每个节点上都必须是唯一的;

在我们的示例中，我们可以观察到一个两节点集群，其中zbx-node1是活动节点，zbx-node2是备用节点。这两个节点每5秒都会将其心跳发送到Zabbix数据库后端。如果一个节点停止发送其心跳信号，另一个节点将接管。

Zabbix Server集群 ExternalAddress参数

您还需要指定的第二个参数是ExternalAddress参数:在我们的示例中，我们使用的是地址node1.example.com。此参数的目的是让Zabbix前端知道当前活动的Zabbix Server的地址，因为Zabbix前端组件也会不断与Zabbix Server进行通信。如果未指定此参数，则Zabbix前端可能无法连接到活动的Zabbix Server节点。

配置Zabbix前端

经验丰富的Zabbix用户可能知道，Zabbix前端有自己的配置文件，其中通常包含Zabbix Server地址和端口号。

如果您使用的是Zabbix Server高可用集群功能，则必须注释掉这些参数，因为它们现在不是静态的，而是依赖于当前活动的Zabbix服务器节点，信息将从Zabbix后端数据库中获取。

全局说明

在上面的例子中，我们可以看到我们有两个节点——zbx-node1，它当前处于活动状态，以及zbx-node2。这些节点可以通过使用node1或node2的外部地址node1.example.com和node2.example.com分别访问。我们可以看到，我们还部署了多个前端。每个前端节点都将连接到Zabbix后端数据库，读取当前活动节点的地址，然后继续连接到该节点。

Zabbix集群模式下，节点的状态说明

Zabbix Server集群模式下的节点存有以下几种状态：

Active–当前处于活动状态的节点。一次只能有一个节点处于活动状态;
Standby–节点当前正在待机模式下运行。多个节点可以具有此状态;
Shutdown–之前检测到该节点，但它已正常关闭;
Unreachable–以前检测到节点，但在未关闭的情况下意外丢失。这可能是由许多不同的原因造成的，例如，节点崩溃或出现网络问题;

在正常情况下，您将有一个活动节点和一个或多个备用节点。例如，如果您正在这些节点上执行一些维护任务，则也需要处于关闭模式的节点。另一方面，如果一个活动节点变得不可访问，则此时一个备用节点将接管。

Zabbix HA Manager

我们如何检查哪个节点当前处于活动状态，哪些节点正在待机模式下运行？首先，我们可以在Zabbix前端看到这一点——稍后我们将对此进行讲述。我们还可以从命令行检查节点状态。在每个节点上——无论是活动节点还是备用节点，您都会看到zabbix_服务器和ha manager进程已经启动。ha manager进程负责每5秒检查一次数据库中的高可用性节点状态，并负责在活动节点出现故障时接管。

另一方面，当前处于活动状态的Zabbix服务器节点将有许多其他进程——数据收集器进程，如轮询器和捕捉器、历史记录和配置同步器，以及许多其他Zabbix子进程。

Zabbix HA模式下各节点状态

系统信息小部件在Zabbix 6.0 LTS中进行了一些更改。它现在能够显示Zabbix Server高可用集群及其各个节点的状态。

系统信息小部件可以显示当前集群模式，并提供了所有集群节点的列表。在我们的示例中，我们可以看到有3个节点——1个活动节点、1个停止节点和1个在待机模式下运行的节点。这样，我们不仅可以看到节点的状态，还可以看到它们的名称、地址和上次访问时间。

切换Zabbix HA节点

节点之间的切换是手动完成的。一旦停止当前活动的Zabbix服务器节点，另一个节点将自动接管。当然，您需要至少有一个节点在待机状态下运行，这样它就可以从发生故障的活动节点接管。

故障转移的工作原理

所有节点每5秒报告一次状态。无论何时关闭一个节点，它都会进入关闭状态，5秒钟后另一个节点将接管。但如果一个节点出现故障，工作流就有点不同，这种情况下需要考虑故障转移延迟。默认情况下，故障切换延迟为1分钟。备用节点将等待一分钟，等待发生故障的活动节点更新其状态，如果在一分钟内活动节点仍然不可见，则备用节点将接管。

Zabbix Server集群调整

可以使用ha_set_failover_delay 命令来调整故障切换延迟。故障转移延迟的支持范围为10秒到15分钟。在大多数情况下，默认值1分钟可以正常工作，但也可能有一些例外，这在很大程度上取决于具体环境情况。