WSFC 状态操作指南

 在WSFC中，大家可能会看到各种操作状态，例如，暂停节点，停止节点服务，逐出节点，恢复节点，关闭群集，销毁群集，关闭连接，这些操作到底是什么意思，分别应该用于什么场景下，今天我们就来一探究竟，嘀，老王发车啦！

 首先我们先从节点操作讲起

 以WSFC 2012R2为例，当我们在故障转移管理器，节点界面下，点击任意一个节点，右键可以看到以下操作

暂停

恢复

远程桌面

信息详细信息

显示关键事件

首先来看暂停，自2012开始，暂停不仅仅只是宣告节点为维护状态，而是可以根据放置策略，自动把被暂停节点上的负载移至其它节点，此操作主要适用于节点维护场景，例如，节点OS不稳定需要进行排错，为了避免影响上面的群集应用，先把应用飘走，再进行排错，或者需要关机加硬件配置，也可以先将节点置为暂停，应用移走，关机加配置，加好之后再开机解除暂停状态，依次操作各节点

总结来说，暂停操作主要用于计划内维护场景，即是说，我们知道将要发生维护操作，节点将要不可用，那么我通过暂停操作，就可以以最小停机时间的方式把资源迁移走，再执行维护

默认情况下2012时×××始，暂停模式有两个选择，一为排出角色，二为不排出角色，排出角色为2012新功能，即按照放置策略将节点上面应用放置到合适节点，不排出角色为2008旧选项，即只宣告节点为暂停，不接受资源迁移到本节点，上面资源不会被移走

排出角色，在2012时×××始，默认情况下暂停节点针对于虚拟机执行实时迁移操作，群集角色执行在线移动操作，上篇文章老王曾经讲过，群集维护，暂停模式可以和优先级相整合，例如，节点暂停维护，高和中优先级虚拟机获得实时迁移，低优先级虚拟机获得实时迁移，在资源不足的场景下，通过此配置，可以始终确保更主要的虚拟机获得最高的可用性和迁移性能，参考老王博客 WSFC 维护模式操作粒度控制

说完暂停我们再来看下恢复，恢复同暂停正好相对应，当我们置为暂停，维护完成后，势必需要节点重新正常提供服务，在2008时代，恢复仅意味着解除节点的暂停状态，让节点可以接受资源被迁移过来，2012之后此旧操作显示为不故障回复角色。2012时×××始，恢复操作新增故障回复角色，恢复和暂停相互粘合，当我们把节点置为暂停后，资源会被迁移至其它节点，当节点完成后，我们可以选择故障回复角色，让被迁移走的资源回到原来的节点正常运作，此暂停故障回复，也参考放置策略，会考虑首选所有者，反相关性，可能所有者等策略，如果节点当前正在首选所有者则不会回复，如果节点上面已有反相关性资源则不会回复，如果维护后原节点从资源的可能所有者剔除，则不会回复。

在一些场景下，开发人员或业务人员可能会对群集角色或虚拟机有所要求，例如某个资源只能在某个节点上面运行，对于一些重要的资源，当然还是稳定为好，能在原来的节点运作就继续回到原来节点运作，此场景下适用恢复角色功能，2012时×××始，大家作为群集管理员，只要有这种意识就好，计划内维护，就点一下暂停节点，迁移角色，维护完成后点一下恢复节点，迁移回群集角色

远程桌面其实也是个有用的功能，例如群集节点很多，可能16个节点，32个节点，群集管理员每天会打开群集管理器进行配置，巡检，如果发现节点有问题，可以直接在故障转移管理器中对节点发起一个远程桌面，只要节点远程端口正常工作就可以直接远程过去

信息详细信息，主要显示对于资源或节点执行操作失败，失败的原因是什么

显示关键事件，主要用于聚合当前节点或资源的关键事件，2008开始，群集对于大部分资源都会置备这种资源特定的事件管理器筛选，我们点击某个节点，或某个资源，显示关键事件，显示的就是仅当前节点或当前资源的事件。

针对于节点操作除了上述之外，还有一个更多操作，里面分别是启动群集服务，停止群集服务，逐出节点

启动群集服务，通常用于之前由于某些操作，例如要进行排错，手动停止了群集服务，排错完成后可以通过GUI启动群集服务，或通过命令行

net start clussvc启动

停止群集服务，也是用于一些特殊场景，正常情况下我们不需要用到它，例如群集应用如果转移到某个节点无法正常工作，我们可以通过取消可用所有者，或在这里停掉该节点的群集服务，在WSFC 2016之前，群集服务的停止，即意味着故障转移，如果一个节点的群集服务停止，下次运行状况检测将报告该节点不可用，上面的所有应用或虚拟机将执行计划外故障转移操作。WSFC 2016开始，群集推出VM防瞬断功能，可以防止瞬断情况导致虚拟机快速迁移，例如如果是一个网络瞬断，或群集服务崩溃停止，只要在一定时间内可以恢复，则不会触发快速迁移操作，因为快速迁移会为虚拟机带来停机时间，如果您不需要VM瞬断功能

关闭即可 （Get-Cluster）.ResiliencyDefaultPeriod =0

逐出节点，则意味着将节点彻底从群集的可用节点中剔除，已逐出节点永远不建议再重新加入群集，逐出节点通常用于以下场景

重命名群集节点

用不同硬件替换节点

节点重新安装操作系统

永久在群集中删除节点

通常来说，逐出节点是一个简单粗暴的解决问题方式，但它绝不是一个排错的途径，如果你能确认，就是因为这台节点的OS不稳定有问题，那么您可以把它从群集中逐出，新加一个节点进来，或者逐出之后重做系统，再以一个新的节点名称加入进来。

这种方式虽好，但有时并不能真正的解决问题，有时候我们以为是一个节点的问题，但其实是群集资源的问题，可能我们即便逐出了节点，再新加节点还是会遇到此问题，因此建议不轻易做逐出节点，除非我们判定问题原因，最后执行逐出操作，还是应该先对问题进行判定分析

常见的逐出误区

1. 群集服务不能启动，逐出了节点2，但是群集服务仍然不能启动

2. 资源不转移到节点2，每次发生故障转移时，磁盘都不会联机，无法返回到节点1，其中一个节点被逐出再添加一个节点仍然有此问题

一旦发生这种排错情况，建议查看cluster.log及dump文件进行分析，找到问题真正所在，也许根源是因为RHS死锁或某个第三方软件兼容性的问题，在真正判定问题之前不要轻易执行逐出节点操作，否则排错时可能无法完整重现问题

以上为GUI界面上针对于节点的所有操作，还有一些场景下的操作，帮助大家熟悉下流程

节点开关机

1. 暂停节点 2.关闭操作系统 3.开机操作系统 4.恢复节点

以上为的群集节点开关机标准正常流程，还有一些意外情况，例如群集上面可能跑了一些特殊角色，开机后需要执行一段程序，才可以正常跑群集角色，那这个步骤可以在第4个步骤前做掉

WSFC 2012R2开始，针对于群集虚拟机新增了一个属性DrainOnshutdown

如果我们忘记执行暂停节点，直接关闭虚拟机，WSFC2012R2开始，会自动按照维护模式操作策略，帮助我们自动将虚拟机实时迁移或快速迁移至其它节点，群集其它角色则采用移动挂起操作，所有资源都移走后，操作系统才正常完成关闭操作，该功能也被称为“懒人帮手”，一旦我们忘了暂停节点，背后也会有一个这样的帮手，帮助我们去完成维护操作。

节点故障转移

1.节点宕机 2.其它节点检测注册表 挂载共享存储联机上线 3.节点恢复 4.故障回复群集角色

对于群集故障转移，这里特别要说的是故障回复，这是个老古董了，从2003时代就看到它，故障回复必须和首选所有者功能相配合，这点和最初一模一样，即是说如果应用当前在节点1，节点1宕机，应用去节点2，如果希望节点1恢复后应用回到节点1，则应用必须设置首选所有者为节点1，故障回复操作可以为立即或某一时刻，如果应用对于宿主有要求，需要始终在某一节点运作，可以配置故障回复，以便在计划外故障转移后故障回复，2008时代对于虚拟机故障回复采用快速迁移，2012时×××始故障回复采用实时迁移。

看过节点级别的操作后，我们再来看下群集级别的操作，老王将主要介绍以下操作

关闭连接，无实际操作效果，点击关闭连接后，只是在当前故障转移群集管理器中，删除显示已连接的群集，假设这时一个群集节点，会有不懂的人来碰你的群集，那么为了避免它误操作，你可以在他操作之前关闭群集连接

关闭连接之后，如果再想连接到群集，点击连接到群集即可

关闭群集，停止所有群集角色，关闭所有群集节点的群集服务，如果群集中有很多节点，可以通过此操作帮助我们关闭全部，关闭后群集对外不可用，如果希望群集各节点暂时失去群集作用可以执行此操作

针对于虚拟机群集资源，自2008开始，可以设置虚拟机在群集关闭的情况下要执行的操作，默认为保存虚拟机

Get-ClusterResource "虚拟机资源群集名称" | Set-ClusterParameter OfflineAction 2

若要恢复群集工作，点击启动群集即可，群集虚拟机默认会从保存状态中还原，群集角色会从脱机中联机

销毁群集，拆掉整个群集，删除掉群集所有角色和元数据信息，通常用于测试环境，或重新部署群集，和关闭群集一样，轻易不建议使用，一旦群集被销毁后，如果需要在该节点再次搭建群集，有时需重新安装群集功能

在执行销毁群集之前，请确保群集所有角色已被删除，虚拟机已经导出到其它位置，需要注意，在销毁群集过程，虚拟机如果是存放在共享磁盘和CSV，则会被彻底关闭，但不会丢失数据，虚拟机的数据会存放在CSV中，重建群集之后，虚拟机可以被重新挂载上线，但是销毁后，重建前，虚拟机将不可用。

如果销毁群集时，群集内仍有未被删除的虚拟机或角色，将提示以下错误

关于销毁群集的注意事项

1. 销毁群集时所有节点需要在线，如果销毁群集时有1节点不在线，随后该节点又加入其它群集，将显示该节点已属于其它群集，这时需在节点上执行命令

   cluster node hv01 /forcecleanup

   这将在该节点上面清理掉所有群集旧信息的注册表，以允许群集加入新的群集

2. 销毁群集过程幕后会逐出节点群集资格，删除各节点上关于群集的配置信息注册表，如果销毁群集后希望重建群集，重建不成功，请尝试检查注册表配置单元，看是否有残留旧群集信息，如果有，请清理后再尝试重建群集。

3. 销毁之后群集CNO默认在AD中处于禁用状态，如果希望销毁群集后直接从AD删除CNO，可使用PowerShell操作

   Remove-Cluster -CleanupAD

移动群集核心资源

群集中的资源大体可分为两种，一种为群集运作资源，一种为基于群集的应用资源，核心资源也是指群集运作资源，一个群集要想运作起来，需要群集名称，群集IP，还会有见证资源，在WSFC 2016之前，大体就是这些内容，这些群集运作资源也被放置在一个群集资源组里面，成为核心资源组，群集过程中会被放置在其中一个群集节点上，我们可以通过图形界面移动核心资源组至其它群集节点，2012之前仅能通过命令执行，2012之后支持GUI界面执行，2008时×××始群集核心资源组会被单独放置在RHS监视进程中，放置因为群集其它资源的RHS进程崩溃，而影响整个群集。

群集核心资源通常我们没必要管它，除非是排错时会需要移动，或考虑到群集负载平衡的场景，如果一个节点承载了很多应用，则可以把它上面的核心资源移动至其他节点以减轻负担

WSFC 2016中，群集核心组多出存储QOS资源和 Virtual Machine Cluster WMI

2012之前，使用命令移动群集核心资源

cluster group “Cluster Group” /Move:NodeName

移动群集可用存储资源

cluster group “Available Storage” /move