PCS - Pacemaker/Corosync 配置系统技术文档
2024-12-26 21:48:46作者:段琳惟
1. 安装指南
1.1 依赖项
在安装 PCS 之前,请确保系统已安装以下依赖项:
- Python 3.12+
- python3-cryptography
- python3-dateutil 2.7.0+
- python3-lxml
- python3-pycurl
- python3-pyparsing 3.0.0+
- python3-tornado 6.1.0+
- dacite
- Ruby 3.1.0+
- killall (psmisc 包)
- Corosync 3.x
- Pacemaker 3.x
1.2 从源码安装
除了上述运行时依赖项外,从源码安装还需要以下开发工具:
- Python 开发文件 (python3-devel, python3-setuptools 66.1+, python3-wheel)
- Ruby 开发文件 (ruby-devel)
- rubygems
- rubygem bundler (rubygem-bundler 或 ruby-bundler 或 bundler)
- autoconf, automake
- gcc
- gcc-c++
- FFI 开发文件 (libffi-devel 或 libffi-dev)
- printf (coreutils 包)
- redhat-rpm-config (适用于 Fedora)
- wget (用于下载捆绑的库)
安装步骤如下:
./autogen.sh
./configure
make
make install
如果使用 systemd,安装完成后需要执行以下命令:
systemctl daemon-reload
systemctl start pcsd
systemctl enable pcsd
1.3 包管理器安装
PCS 已集成到 Fedora、RHEL、CentOS 和 Debian 及其衍生版本中。可以通过包管理器直接安装:
- Fedora:
dnf install pcs - RHEL/CentOS:
yum install pcs - Debian/Ubuntu:
apt-get install pcs
2. 使用说明
2.1 快速开始
2.1.1 认证集群节点
在所有节点上为 hacluster 用户设置相同的密码:
passwd hacluster
在其中一个节点上运行以下命令进行认证(将 node1, node2, node3 替换为集群中的节点列表):
pcs host auth node1 node2 node3 -u hacluster
2.1.2 创建集群
在其中一个节点上运行以下命令创建集群(将 cluster_name 替换为集群名称,node1, node2, node3 替换为集群中的节点列表):
pcs cluster setup cluster_name node1 node2 node3 --start --enable
2.1.3 检查集群状态
集群启动后,可以通过以下命令检查集群状态:
pcs status
2.1.4 添加集群资源
可以使用以下命令添加 STONITH 代理和资源:
pcs stonith create --help
pcs resource create --help
3. API 使用文档
PCS 提供了丰富的命令行接口(CLI)来管理 Pacemaker 和 Corosync 集群。以下是一些常用的 API 命令:
3.1 集群管理
- 启动集群:
pcs cluster start - 停止集群:
pcs cluster stop - 启用集群自启动:
pcs cluster enable - 禁用集群自启动:
pcs cluster disable
3.2 资源管理
- 创建资源:
pcs resource create <resource_name> <resource_type> [options] - 删除资源:
pcs resource delete <resource_name> - 查看资源状态:
pcs resource status
3.3 STONITH 管理
- 创建 STONITH 设备:
pcs stonith create <stonith_name> <stonith_type> [options] - 删除 STONITH 设备:
pcs stonith delete <stonith_name> - 查看 STONITH 状态:
pcs stonith status
4. 项目安装方式
PCS 支持从源码安装和通过包管理器安装两种方式。具体安装步骤已在第1节中详细介绍。
4.1 源码安装
源码安装适用于需要自定义编译选项或在不支持包管理器的系统上安装 PCS 的场景。
4.2 包管理器安装
包管理器安装是最简单快捷的方式,适用于大多数 Linux 发行版。
通过本文档,您可以快速上手 PCS,并了解如何安装、配置和管理 Pacemaker/Corosync 集群。如有进一步问题,请参考官方文档或社区资源。
登录后查看全文
热门项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
暂无描述
Dockerfile
677
4.32 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
517
629
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
947
887
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
398
303
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.56 K
909
暂无简介
Dart
921
228
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
559
昇腾LLM分布式训练框架
Python
143
169
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381