[求助] 关于集群系统的开发

Question

最近在准备电信级 blade 设备的开发，需要考虑集群， n:m 的冗余＋负载均衡集群方案。

由于上层软件当时设计的时候没有考虑集群，使得现在可以用全新的思路来选择集群中间软件。 哪位介绍一下OCF和Saforum的集群标准的详细信息？

对于现成的集群方案，正在调研heartbeat和openais， 不知道对于上层软件来说，如何使用这些中间层软件达到集群的效果？
上层软件代码的改变应该会很大，heartbeat比较大，openais大小比较合适。

对系统的要求：
可靠性在5个9以上，最好能到6个9
tcp failover switch

Answer 1

你太客气了，我对CGL和openais是个门外汉.

HP DSPP有HP自己的做的 Debian TE(Teleco Edition) . IA64上的CGL.

MontaVista 有完整的openais 实现和开发工具,不过费用比较高

http://marc.theaimsgroup.com/?l=openais&r=1&w=2  MARC 的searchable openais maillists 存档

good luck

Answer 2

多谢你的信息，CGL的规范我已经研究了很长时间。

对你关于可靠性和可用性的解释非常欣赏。 我一般只说availability. 所以确实分不清楚。

对于SaForum的标准我阅读了一些时间， SaForum确实提供的是物理层，中间层， 应用层的api规范。
您的意思是OCF定义框架，SaForum 仅仅提供api， OCF标准的文档我没有找到，所有有一些疑问。

其实openais不仅实现了saforum的userspace api，他也实现了 AMF CLM CKPT  EVT ， userspace api， group message interface

我以前对heartbeat确实不了解，刚才看了heartbeat的框架，大概明白和openais的区别了。

多谢版主的回复。

[ 本帖最后由 xiaozhaoz 于 2006-3-29 17:05 编辑 ]

Answer 3

btw:

你提到的heartbeat和openais我怎么总觉得好像有点不太合适.

个人意见，仅供参考.

Answer 4

原帖由 xiaozhaoz 于 2006-3-29 13:28 发表
对不起，我一般把Availability 翻译成可靠性，可能按您说得翻译成可用性比较合适。 不过电信设备中，没看到说reliability的。所以就把Availability 翻译成可靠性。

我也知道 Availability 不能只靠Cluster来实 ...

Hello,

1.  Availability , Reliability

可靠性指的是一套系统或元器件或软件组件健康运行的能力

可用性是指一套系统持续对外提供服务的能力.

有一套可靠性较高的元器件组成的硬件组件/软件未必有合格的可用性.

同样，用一些可靠性并不高的硬件组件/软件也能够作出一套可用性比较高的.

追求可靠性的顶峰就是容错机，追求可用性的顶峰就是容灾.

我并非是要故意来讨论概念，只不过这2个方向实在是差别很大，进一步讨论的基础前提是我们在讨论同一个东西.

2. HA cluster , HA , CGL

HA Cluster 是通过多个节点集群的方式来解决可用性的要求
HA 系统是通过硬件，软件设计，在应用层面解决可用性的要求
CGL 的规范包含了 HA 和 HA cluster的重要部分.

3. OCF , SA Forums

OCF定义的是高可用集群的设计定义, 包括 node, group, resource, lock, external interface)，熟悉HA集群的对这个不会陌生.

SA Forums 的specification 定义的是高可用系统的API 层的规范.包括硬件接口(HPI)，应用软件接口(AIS)，系统管理的接口(SMI).

拿CGL规范来看，就可以分清楚两者的区别了.

CGL大概有120多个定义，主要分几个部分.

基础标准: 比如POSIX,SNMP, SCTP等

平台: 定义了阵列，热插拔/添加,故障转移, 还有涉及管理的IPMI(很多现在的服务器都开始提供IPMI了),  SA Forum定义的 HPI规范, SMI规范就被CGL在这里引用了很多. 包括对温度，风扇等控制
另外在这里还定义了故障隔离,网络终端的操作，引导周期中的检测.

可用性: 这里定义的实际上是我在上面 2里面提到的 HA系统. 比如从硬件的内存容错,ECC，动态调整，系统的event log, 还有linux操作系统的kernel monitoring, NFS failover, 等等
为了清晰化标准，CGL WG把 高可用集群单独列出去了.

可服务性: 主要是精细定义SNMP和CIMOM (用SLES的朋友看得到这个packge)

可扩展性: 定义了CGL支持大量并发异步事件的扩展能力。Linux kernel的软件real time定义也在这里被扩展定义.主要是电信环境的要求所驱动的. 这部分的附加内容也添加到了cluster的章节

性能:  cpu, VM, scheduling, I/O , soft real time等系统组成的性能定义要求在这里规范

工具集: 定义为CGL环境需要采用的debugger

Cluster: 定义CGL的高可用集群规范,应用了OCF和SA forums关于集群和节点的部分规范.

安全:  CGL环境的安全，比如IKE, PKI, LSM之类的.

OCF定义了可用性集群规范， SA Forum 定义的是硬件软件架构设计的接口规范，这种规范是用来满足服务可用性要求的.

上面信息仅供参考.

[ 本帖最后由 nntp 于 2006-3-29 15:21 编辑 ]

Answer 5

对不起，我一般把Availability 翻译成可靠性，可能按您说得翻译成可用性比较合适。 不过电信设备中，没看到说reliability的。所以就把Availability 翻译成可靠性。

我也知道 Availability 不能只靠Cluster来实现。Cluster是我们提高服务可靠性的一个方法。

我不是第一次作能达到5个9以上的系统了，但我确实是第一次作M:N的cluster.
我的问题里面描述了，我希望找一个现有的cluster方案，配合一定的硬件，并在上面作软件开发，包括修改cluster的实现等。我只是想知道，OCF和SaForum的标准有哪些差别， 他们的应用情况如何。

初来此地，请包涵。
多谢您的回复。

[ 本帖最后由 xiaozhaoz 于 2006-3-29 13:43 编辑 ]

Answer 6

6个9， 嘿嘿.

同学先把可用性和可靠性搞清楚，然后把可用性定义搞清楚，这些非常关键的基本常识都不清楚就谈开发?

6个9意味着什么? 要是找2个现成的集群然间修改一下就跑到6个9，还要 non-stop和vms干吗?

:")