CAS cvk节点故障

第一步：情况评估与准备

1. 登录CIC管理平台：使用管理员账号登录CAS管理界面。
2. 确认存储类型：找到故障节点上的这些虚拟机，查看其“磁盘信息”。确认磁盘路径是共享存储（如 datastore01/vm01/）还是本地存储（如 host:/local/vm01/）。这决定了后续操作的可行性。
3. 检查目标节点：确认集群内其他健康的CVK节点有足够的CPU和内存资源来运行这些虚拟机。

第二步：恢复虚拟机（关键步骤）

由于源主机已宕机，虚拟机会显示为 “未知” 或 “主机无响应” 状态。您需要将其“强制”在其他节点上启动。

1. 右键点击故障的虚拟机，选择 “恢复” 或 “强制运行”（具体菜单名称可能因CAS版本略有不同）。
2. 在弹出的窗口中：
   • 选择目标主机：手动指定一个健康且资源充足的CVK节点。
   • 启动方式：通常会有一个 “强制恢复” 或 “强制启动” 的选项。这个操作会忽略当前的状态锁，尝试在目标主机上直接启动虚拟机。
   • 存储关联：如果虚拟机磁盘在共享存储上，系统会自动找到磁盘文件。如果是本地存储，此操作将失败，您会看到类似“找不到磁盘文件”的错误。

第三步：针对“本地存储”虚拟机的特殊处理（如果适用）

如果虚拟机磁盘不幸存放在故障节点的本地硬盘上，情况会复杂很多，数据安全风险较高，请谨慎操作：

1. 首要尝试：恢复原CVK节点。如果只是临时断电或系统问题，优先尝试修复并启动该故障CVK主机。主机恢复在线后，虚拟机状态会自动恢复，然后您再将其通过“动态迁移”功能（需要共享存储）或“虚拟机另存为”导出，迁移到其他节点。这是最安全的数据保全方式。
2. 无法恢复原主机时的备选方案（高级操作，建议在H3C技术支持指导下进行）：
   • 挂载本地磁盘：将故障CVK节点的本地硬盘物理拆卸，挂载到另一台健康的Linux服务器（或临时CVK）上。
   • 提取磁盘文件：找到虚拟机的磁盘文件（通常是 .img 或 .qcow2 格式）和配置文件（XML文件）。
   • 上传至共享存储：将这些文件拷贝到CAS平台的共享存储中。
   • 手工注册虚拟机：在CIC上，通过“创建虚拟机 -> 注册已有虚拟机”的方式，指向共享存储上的磁盘文件和配置文件，将虚拟机重新注册到健康的CVK节点上。

第四步：后续预防措施

1. 启用并配置HA：确保集群和重要虚拟机都已启用HA功能。
2. 统一使用共享存储：为所有需要高可用性的虚拟机配置共享存储，避免使用本地存储。
3. 设置资源预留：为虚拟机设置CPU和内存的资源预留，确保在故障时目标主机有保障的资源可用。
4. 定期检查：定期检查集群的HA配置、存储连接状态和网络健康状况。

虚拟机没能自动迁移，通常和HA（高可用）功能的配置状态以及共享存储的环境有关。

在分析之前，可以先确认一下虚拟机的“生死”状态。节点故障关机，意味着虚拟机经历的是“断电再启动”的过程，其业务会被中断。无法自动迁移的关键点在于：CAS平台的HA机制必须依赖“共享存储”才能生效。

• HA（高可用）功能未启用或配置不足：集群的HA功能可能未开启，或者没有为集群内的主机预留足够的资源（如CPU、内存等），导致迁移失败。另外，如果故障的是CVM管理节点本身，其上的虚拟机也不会触发HA自动迁移。

• 使用了本地存储：这是最常见的原因。如果虚拟机文件存放在故障节点的本地硬盘，其他节点无法访问，HA当然无法生效。此时，虚拟机只能随着节点一起宕机。

解决方案与手动迁移步骤

由于故障节点已经关机，想在其硬件上恢复比较困难。此时，“手动迁移”的思路就变成了：将故障节点上原有的虚拟机数据，在另一台健康节点上重新恢复和启动。

成功的关键在于，原虚拟机的磁盘文件是否存放在共享存储上。

场景一：使用共享存储（有自动恢复和手动恢复两种方式）

这是最理想的状况，恢复会相对简单。

• 方案A：重启主机关联自动恢复：如果故障主机的电源、网络等被恢复（哪怕是暂时的），CAS平台在检测到它恢复正常后，可能会尝试将在其他节点上因HA而启动的虚拟机“迁回”，或者至少可以让你重新进行管理操作。

• 方案B：手动注册恢复虚拟机（推荐）：这是最直接的手动恢复方法。

  1. 登录CVM管理平台。

  2. 在导航栏中，找到存储相关的选项。

  3. 浏览共享存储上的数据，找到故障虚拟机的磁盘文件。

  4. 右键点击正确的虚拟机磁盘文件，选择“注册虚拟机”或类似选项。

  5. 在向导中，为目标虚拟机选择一个健康的CVK主机，完成注册。

场景二：使用本地存储（恢复难度较大）

如果你不确定虚拟机文件在哪，或者确认在本地，情况会棘手得多，基本原则是“抢救数据”。

1. 修复故障节点：首先得尝试修复故障的物理主机，能让它重新通电并接入网络。这是进行后续所有操作的基础。

2. 导出虚拟机文件：如果故障节点能被部分修复，要立刻通过管理后台或命令行，找到并导出或复制故障虚拟机磁盘文件。

3. 迁移至健康节点：将导出的文件拷贝到一台健康的CVK主机或共享存储上。

4. 注册并恢复虚拟机：后续操作与共享存储的“手动注册恢复”类似。在CVM上浏览到拷贝来的文件，右键“注册虚拟机”，并在向导中选择健康的CVK主机来运行它。

注意：如果物理主机无法修复，本地存储上的数据将无法访问，虚拟机也会随之彻底丢失。因此，强烈建议重要业务采用共享存储。

如何预防与进一步检查

处理好当前问题后，可以做些检查来防止未来出现类似情况：

• 检查存储配置：在CVM管理平台，仔细查看故障虚拟机的“概要”或“硬件”信息，确认其“存储”是否指向了一个共享存储。

• 检查集群HA状态：检查集群的“高可用（HA）”功能是否已正确启用。

• 定期评估资源：确保集群有充足剩余资源（CPU、内存、存储），避免因资源不足导致HA无法完成。例如，迁移时目标存储池的可用空间必须大于虚拟机卷的容量。

• 做好备份：定期备份CVM管理平台的配置数据库，这是极端情况下的救命稻草。

开启HA，故障会自动迁移，手动迁移可以看集群里哪些cvk使用率低，手动迁移到其它cvk节点

CVK如果短期无法恢复，需要去CVM找备份的虚拟机xml文件，然后拷贝xml文件和磁盘文件到正常的cvk上，重新define虚拟机恢复。

一、为什么没自动迁移（HA 不触发）

1. 集群 / 虚拟机未开启 HA
   • 集群没开 “高可用 (HA)”，或虚拟机没勾选 “允许高可用”。
2. 虚拟机用了本地存储（最常见）
   • CAS HA 要求虚拟机必须在共享存储（IP-SAN/FC-SAN/OCFS2）；在故障节点本地盘的虚机无法自动迁移。
3. 剩余节点资源不足
   • 其他 CVK 的 CPU / 内存已用超 80%，HA 为保集群稳定不触发迁移。
4. 集群心跳 / 管理网异常
   • 管理网断包、延迟大，正常节点没判定该 CVK 为 “故障”，不触发 HA。
5. 虚拟机有硬件直通
   • 网卡、磁盘、GPU 等直通设备的虚机不支持 HA 迁移。

二、现在怎么把虚机迁到其他节点（分场景）

场景 A：虚拟机在共享存储（推荐，最快）

1. 确认所有正常 CVK 能访问共享存储，磁盘文件完好。
2. 登录CVM→主机，把故障 CVK 设为维护模式→移除主机（不要勾选 “删除存储数据”）。
3. 此时虚机显示 “失联 / 异常”，选中虚机→右键恢复虚拟机→指定正常 CVK→确定，虚机会在新节点启动。

场景 B：虚拟机在故障节点本地盘（复杂，先保数据）

1. 若故障 CVK 能开机：
   • 开机后把虚机手动迁移 / 克隆到共享存储或其他节点本地盘。
2. 若故障 CVK 无法开机：
   • 拆下故障服务器硬盘，挂载到其他 Linux/CVK 节点，拷贝虚拟机磁盘（.qcow2/.raw）和 XML 配置文件。
   • 在目标 CVK 用virsh define注册、virsh start启动，再在 CVM 纳管。

三、后续预防（避免下次再发生）

1. 关键虚机务必用共享存储，本地盘只做非重要测试机。
2. 集群开启HA，关键虚机勾选 “允许高可用”，配置合理资源预留（CPU / 内存不超 80%）。
3. 确保管理网 / 心跳网独立稳定，多 bond / 多网卡冗余。
4. 硬件直通的虚机单独规划，不要纳入 HA 集群。