Nova计算节点高可用性故障转移问题咨询

嘿，看起来你在配置Nova计算节点HA时遇到了故障转移的问题——当主计算节点关机时，VM没法自动切换到其他节点。结合你提到的环境（3台带Fencing的虚拟控制器HA、Ceph存储后端），我帮你梳理几个常见的排查方向和实操步骤：

一、先验证Fencing设备本身的可用性 #

Fencing是HA故障转移的核心前提，如果Fencing动作本身无法执行，后续的VM转移肯定会失败：

• 在任意一台控制器节点上，手动执行Fencing命令测试目标计算节点，比如用IPMI Fencing的话：

  fence_ipmilan -a <故障计算节点IP> -u <IPMI用户名> -p <IPMI密码> -o reboot
  

  如果手动执行失败，先排查Fencing设备的问题：比如IPMI服务是否开启、计算节点的IPMI网络是否通畅、用户名密码权限是否正确。
• 检查集群（Pacemaker/Corosync）中Fencing资源的配置状态，执行pcs status查看所有stonith资源是否处于Started状态，有没有故障告警。

二、检查Nova计算节点的关键配置 #

确保Nova计算节点的配置支持故障转移和Ceph存储访问：

1. 打开计算节点的/etc/nova/nova.conf，确认以下关键参数：
   • *migration_support = True*：启用迁移支持
   • *live_migration_uri = qemu+tcp://%s/system*：适配KVM虚拟化的迁移URI（如果是其他虚拟化类型请对应调整）
   • Ceph相关参数配置正确：

     rbd_pool = <你的Ceph存储池名称>
     rbd_user = <Ceph客户端用户名>
     rbd_secret_uuid = <对应Ceph Secret的UUID>
     

   • *resume_guests_state_on_host_boot = false*：避免节点重启时自动恢复VM，交给HA集群统一调度
2. 验证计算节点能否正常访问Ceph：执行rbd ls <你的Ceph池名>，看能否列出VM的镜像文件，如果无法访问，检查Ceph客户端配置、密钥环权限、网络连通性。

三、检查集群与Nova的联动配置 #

如果控制器是用Pacemaker/Corosync做HA，需要确保Nova服务与集群资源正确关联：

• 确认集群中已启用*stonith-enabled=true*（执行pcs property show stonith-enabled查看），这是触发Fencing动作的关键开关。
• 检查Nova调度器的配置，确保启用了与HA相关的过滤器，比如*AggregateInstanceExtraSpecsFilter*、*AvailabilityZoneFilter*，保证调度器能识别可用的计算节点并分配VM。

四、查看日志定位具体故障 #

如果前面的配置都没问题，从日志里找细节：

• 控制器节点的/var/log/nova/nova-scheduler.log：搜索down host或migration关键词，看调度器是否检测到计算节点下线，有没有尝试调度VM到其他节点的记录，是否有报错。
• 故障计算节点的/var/log/nova/nova-compute.log：查看关机前的日志，有没有Ceph连接中断、服务异常退出的信息。
• Pacemaker日志/var/log/pacemaker/pacemaker.log：搜索stonith或fence关键词，确认是否触发了Fencing动作，有没有执行失败的具体原因（比如网络超时、权限不足）。

五、验证VM的存储属性 #

确保VM使用的是Ceph共享存储而非本地存储：

• 在控制器节点执行nova show <VM ID>，查看block_device_mapping字段，确认磁盘类型为rbd；同时检查OS-EXT-SRV-ATTR:host确认VM原来所在的计算节点。

备注：内容来源于stack exchange，提问作者prahin