ESX的NFS存儲Failover機制Q&A

ESX的NFS存儲一般都會配置備份鏈路。當主鏈路出現故障時自動切換到備份鏈路上，這叫作Failover。

問：何時發起failover？答：當發現存儲鏈路失敗時。

問：如何判斷一條存儲鏈路中斷了？答：找不到心跳了唄。

問：心跳是怎麼回事？怎樣纔算找不到心跳？
答：一般ESX Host會每隔必定的間隔(HeartbeatFrequency)發起一次到存儲的心跳檢測，每次心跳檢測必須在必定的時間內(HeartbeatTimeout)收到回覆，不然就算是一次心跳檢測失敗(HeartbeatFailure)，連續失敗到必定的次數(HeartbeatMaxFailure)就算鏈路失敗。

這些參數應該修改成如下推薦的值 (不管是NetApp仍是EMC的NAS設備)

• NFS.HeartbeatDelta (NFS.HeartbeatFrequency in ESX 3.x)   12
• NFS.HeartbeatTimeout         5
• NFS.HeartbeatMaxFailures   10

上面這些推薦參數值的含義是：NFS.HeartbeatFrequency=12說明每12秒會發起一次心跳檢測。5秒沒有響應就算Timeout，一直累計到10次沒有響應纔算NFS存儲丟失，才發起failover的動做。這中間其實通過了12s*10+5s=125秒時間。也就是說，真正要發起一次failover事件，ESX Host要等上125秒。 問：那麼，在這125秒內，從VM的角度看，發生了什麼情況呢？ 答：VM會發現其vSCSI控制器上鍊接的磁盤中止響應，這取決於Guest OS會忍受多長時間的磁盤不響應才認爲是一個error (delayed write error)，當這個IO error發生在Guest OS的系統盤時，就會致使OS崩潰。Windows操做系統默認的disk Timeout是60秒。也就是說，當ESX Host還在125秒的等待時間內而不去執行Failover動做時，Guest OS就已經崩潰了。在Guest級別HA啓用的狀況下，Guest OS會在NFS Storage恢復的時候重啓。可是從新配置Guest OS的參數以使其也可以等待125秒不是更好嗎？如何作到？用Regedit，修改HKLM\System\CurrentControlSet\Services\Disk下的TimeOutValue值爲125便可。（修改註冊表有風險，請必定先備份後修改） 注：本文是讀書筆記 【參考文檔】 (1) Scott Lowe, 《Mastering VMware vSphere 4.0》 chapter 6