技術(shù)實踐｜高斯集群服務(wù)器雙缺省網(wǎng)關(guān)故障分析

導語：當前國產(chǎn)化數(shù)據(jù)庫使用范圍越來越廣泛，在GaussDB數(shù)據(jù)庫的使用過程中難免會遇到一些問題，有的問題是由于在安裝過程中沒有注意細節(jié)而產(chǎn)生的，多數(shù)隱患問題都是在特定場景下才會暴露出來，且暴露的時間未知，這就給數(shù)據(jù)庫的運維工作帶來極大的挑戰(zhàn)。

本文就是基于一次數(shù)據(jù)庫安裝過程中出現(xiàn)的故障而形成的，文中主要闡述了網(wǎng)絡(luò)基礎(chǔ)知識、數(shù)據(jù)庫環(huán)境、故障分析、問題解決、總結(jié)等內(nèi)容，供各位同僚在日后的服務(wù)器安裝過程中參考借鑒。

網(wǎng)絡(luò)基礎(chǔ)知識介紹

■路由（Routing）：是指IP數(shù)據(jù)包從源到目的地時，端到端路徑的網(wǎng)絡(luò)范圍，通俗解釋：數(shù)據(jù)包由源地址到目的地址所經(jīng)過的所有路徑的集合。

■　網(wǎng)關(guān)（Gateway）：可以用于廣域網(wǎng)互連，也可以用于局域網(wǎng)互連。網(wǎng)關(guān)是一種充當轉(zhuǎn)換重任的網(wǎng)絡(luò)設(shè)備。要實現(xiàn)這兩個網(wǎng)絡(luò)之間的通信（跨網(wǎng)段訪問），則必須通過網(wǎng)關(guān)。

■　缺省網(wǎng)關(guān)（Default Gateway）：是一臺主機如果想和其他網(wǎng)段的主機通信，但找不到可用的路由，就把數(shù)據(jù)包發(fā)給缺省網(wǎng)關(guān)。

■　默認路由（Default route）：是對IP數(shù)據(jù)包中的目的地址找不到存在的其他路由時，所選擇的最后的路由。

■　三層交換機（L3 Switch）：具有部分路由器功能的交換機，工作于OSI網(wǎng)絡(luò)標準模型的第3層（網(wǎng)絡(luò)層）。三層交換機最重要的目的是加快局域網(wǎng)內(nèi)部的數(shù)據(jù)交換，所具有的路由功能也是為這一目的服務(wù)的，能夠做到一次路由，多次轉(zhuǎn)發(fā)。在局域網(wǎng)中一般三層交換機充當網(wǎng)關(guān)。

■　二層交換機（L2 Switch）：工作于OSI網(wǎng)絡(luò)標準模型的第2層（數(shù)據(jù)鏈路層），故而稱為二層交換機。二層交換機屬數(shù)據(jù)鏈路層設(shè)備，可以識別數(shù)據(jù)幀中的MAC地址信息，并根據(jù)MAC地址進行轉(zhuǎn)發(fā)，同時將這些MAC地址與對應(yīng)的端口記錄在自己內(nèi)部的一個地址表中。局域網(wǎng)內(nèi)部（相同網(wǎng)段）主機相互訪問需要經(jīng)過二層交換機。

■　雙（多）網(wǎng)關(guān)主機：一臺服務(wù)器存在多個網(wǎng)關(guān)，訪問不同的網(wǎng)段經(jīng)過不同的網(wǎng)關(guān)。

網(wǎng)絡(luò)基本示例圖

基于上面的拓撲圖，當網(wǎng)段A的服務(wù)器A要訪問網(wǎng)段B的服務(wù)器B時，就需要經(jīng)過網(wǎng)關(guān)D，如圖中的紅色虛線所示，這個虛線就是路由，因為服務(wù)器A連接2個網(wǎng)關(guān)，如果服務(wù)器A把IP數(shù)據(jù)包發(fā)送給網(wǎng)關(guān)C，那么服務(wù)器A和服務(wù)器B之間肯定是無法通信的。

以上內(nèi)容為對于網(wǎng)絡(luò)基礎(chǔ)知識的介紹，接下來將進入本文的重點——高斯集群服務(wù)器的雙缺省網(wǎng)關(guān)故障分析。

數(shù)據(jù)庫集群環(huán)境描述

高斯數(shù)據(jù)庫版本A8.0.0.5，共2（管理節(jié)點）+21（數(shù)據(jù)節(jié)點）臺物理節(jié)點，7個安全環(huán)，每個安全環(huán)3臺數(shù)據(jù)節(jié)點。

CN節(jié)點4個，每個數(shù)據(jù)節(jié)點有2個主DN節(jié)點、2個備DN節(jié)點、2個從DN節(jié)點。

每臺物理機有96核心CPU，1TB內(nèi)存。

管理面和業(yè)務(wù)面的網(wǎng)絡(luò)都為雙萬兆網(wǎng)口，管理面網(wǎng)段：172.18.10.0/24，業(yè)務(wù)面網(wǎng)段：172.18.20.0/24，數(shù)據(jù)庫服務(wù)器雙網(wǎng)口，Bond1：業(yè)務(wù)面，Bond0：管理面。

集群簡單拓撲圖

問題描述

某日重啟高斯集群的CN1服務(wù)器（一臺CN節(jié)點）后，當執(zhí)行跑批作業(yè)時收到告警，ETL服務(wù)器上跑批作業(yè)部分失敗，報錯中發(fā)現(xiàn)ETL服務(wù)器在CN1節(jié)點執(zhí)行的作業(yè)都失敗了，但在其他三個CN節(jié)點執(zhí)行的作業(yè)都正常，登錄ETL服務(wù)器后，手動Telnet CN1節(jié)點的25308端口不通，Telnet其他3個CN節(jié)點正常。

問題檢查

根據(jù)問題描述，初步判斷只有CN1節(jié)點出現(xiàn)問題。

■　在ETL服務(wù)器上抓取數(shù)據(jù)包，發(fā)現(xiàn)數(shù)據(jù)包可以正常發(fā)送，但ETL服務(wù)器沒有收到CN1節(jié)點的回包

■　在CN1節(jié)點抓取數(shù)據(jù)包，可以接收到ETL主機的數(shù)據(jù)包，也可以正常發(fā)送回包

■　查看其他CN服務(wù)器路由

■　查看CN1服務(wù)器路由

問題分析

檢查主機路由發(fā)現(xiàn)CN1服務(wù)器的默認路由和其他3臺CN服務(wù)器不同，CN1服務(wù)器bond1的Metric值為301，而其他CN服務(wù)器bond1的Metric值為300，根據(jù)路由選擇的優(yōu)先級規(guī)則，Metric值越小優(yōu)先級越高，所以CN1服務(wù)器的缺省網(wǎng)關(guān)為bond0，其他CN服務(wù)器的缺省網(wǎng)關(guān)為bond1。

分析到此故障原因已經(jīng)發(fā)現(xiàn)，CN1的缺省網(wǎng)關(guān)是bond0,默認路由指向管理面的三層交換機，所以返回ETL服務(wù)器的IP數(shù)據(jù)包都發(fā)送到管理面網(wǎng)段，導致ETL服務(wù)器不能收到回包。

實際ETL服務(wù)器和CN1數(shù)據(jù)包的路由如下圖的紅色虛線所示：

問題總結(jié)

服務(wù)器的缺省網(wǎng)關(guān)一般情況下只有一個，當服務(wù)器的缺省網(wǎng)關(guān)有多個時，就會根據(jù)Metric值來進行優(yōu)先級選擇,優(yōu)先級高（Metric值最小）的即為此時的缺省網(wǎng)關(guān)。

此案例中的解決方法有多種，其中的兩種方案如下：

■　管理面網(wǎng)段取消默認網(wǎng)關(guān)配置，業(yè)務(wù)面網(wǎng)段配置默認網(wǎng)關(guān)，F(xiàn)I控制臺網(wǎng)段（10.10.10.0/24）的主機在高斯集群服務(wù)器中，均配置靜態(tài)路由。

■　管理面網(wǎng)段取消默認網(wǎng)關(guān)配置，業(yè)務(wù)面網(wǎng)段配置默認網(wǎng)關(guān)，管理面三層交換機中做雙向NAT轉(zhuǎn)換，把FI控制臺主機的IP地址（10.10.10.100）映射為管理面網(wǎng)段（172.18.10.0/24）的IP地址。