Keepalived实现双VIP互斥部署方案解析
2025-06-15 18:00:08作者:冯爽妲Honey
在实际生产环境中,我们经常需要实现高可用架构中的VIP(虚拟IP)互斥部署场景。本文将以Keepalived项目为例,详细介绍如何配置两个相互排斥的VIP地址,确保它们始终运行在不同的物理服务器上。
典型应用场景
假设我们有两台服务器ServerA和ServerB,需要部署VIP1和VIP2两个虚拟IP地址,要求:
- 当VIP1在ServerA上时,VIP2必须在ServerB上
- 当VIP1切换到ServerB时,VIP2必须同时切换到ServerA
- 通过单一检测机制实现上述功能
基础配置方案
Keepalived通过VRRP协议实现VIP的高可用。要实现VIP互斥部署,我们可以为每个VIP配置独立的VRRP实例,并通过优先级控制实现互斥。
ServerA配置示例
vrrp_instance vip1 {
virtual_router_id 1
priority 100
virtual_ipaddress {
VIP1
}
# 其他必要参数...
}
vrrp_instance vip2 {
virtual_router_id 2
priority 50
virtual_ipaddress {
VIP2
}
# 其他必要参数...
}
ServerB配置示例
vrrp_instance vip1 {
virtual_router_id 1
priority 50
virtual_ipaddress {
VIP1
}
# 其他必要参数...
}
vrrp_instance vip2 {
virtual_router_id 2
priority 100
virtual_ipaddress {
VIP2
}
# 其他必要参数...
}
方案特点分析
-
正常情况下的行为:
- ServerA会成为VIP1的主节点(priority 100)
- ServerB会成为VIP2的主节点(priority 100)
- 实现VIP1和VIP2分别位于不同服务器的目标
-
故障场景处理:
- 当ServerB宕机时,ServerA会接管VIP2(因为ServerB的优先级50低于ServerA的100)
- 同理,当ServerA宕机时,ServerB会接管VIP1
- 这种设计确保了单点故障时服务仍然可用
进阶配置建议
如果严格要求在任何情况下两个VIP都不能出现在同一台服务器上,可以考虑以下方案:
-
使用脚本检测:
- 编写检测脚本,当发现本机已经拥有一个VIP时,自动降低另一个VIP实例的优先级
- 确保同一台服务器不会同时成为两个VIP的主节点
-
外部仲裁机制:
- 引入第三方仲裁服务
- 当检测到异常情况时,强制下线其中一个VIP
-
资源隔离策略:
- 结合cgroups或namespace实现资源隔离
- 确保VIP服务不会相互影响
实现原理详解
Keepalived通过VRRP协议实现VIP的高可用。VRRP协议的关键点包括:
- 虚拟路由器ID:每个VRRP实例需要唯一的ID
- 优先级机制:优先级高的节点会成为Master
- 状态转换:根据优先级和健康状态自动切换Master/Backup角色
在互斥VIP场景中,我们利用了两个独立的VRRP实例,通过精心设计的优先级配置,实现了VIP的互斥部署。
生产环境注意事项
- 网络隔离:确保VRRP通告报文能够正常传输
- 安全配置:配置VRRP认证防止非法节点加入
- 监控告警:对VIP状态进行监控,及时发现异常
- 日志记录:详细记录状态切换日志便于故障排查
通过以上配置和优化,可以构建一个稳定可靠的互斥VIP高可用架构,满足业务对高可用性的严格要求。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (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
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137