第十五回 某製造業的 HA 問題

去年底時，有位同事去某製造業 implement HA ，結果一直不順，後來我就過去看，因為狀況真的很怪異。

問題在 HA 設定上都可以順利完成，但在切換演練時會發生兩個問題，一個問題是切換過去後 Application 的 Applet 畫面會出不來，另外一個問題更嚴重，如果我是用 HA 裏的 Move Resource 整個切換過去後，約5~8分鐘的時間，整個系統就會被踢回來。

第一次去看時，我順道帶了一台 Gigabit Ethernet Switch 過去，將網路問題簡單化，只是這兩個問題有時是偶發，有時又不會發生，所以真的很難抓。後來在一次切換成功，等了快半小時以上沒有任何異常的狀態下，我們決定只能先將系統留置在 Standby 端，觀察一個晚上看看。

第二次去看時，發現系統己經自己回到 Master 端在運作，我回去有做了功課，因為做這類 HA 的工作，一開始最好將網路環境的 SPANNING TREE 和 ARP Proxy 關閉，這個原本一開始就跟客戶確認過了，但又再次請教客戶，這些協定有沒有被開啟，但是對口的客戶並不是網管，當天網管也不在公司，無法回答我們。當天又測了好幾次，狀況是一樣的。只好暫時歇兵。

後來不得己請了原廠出馬，看他們在測試的樣子，小弟覺得那個程序確實有值得我學習的地方，但是方法就不說了，老實講，也是亂測一通，把所有可能和不可能的方法都列在白板上，做完失敗就畫掉，交叉分析。其實有些程序在手冊及原理上根本就不存在，這樣也是被列出來測試。最後原廠將整個設定打掉重做，系統忽然就穩定了。因此大家以為從此可以安居樂業了，就快樂的回家。

不過這次穩定的時間確實比較久，大概過了快三天，老現象又發生，後來大家一直在 Review 所有的設定重新檢查，最後客戶發現一件事，為何在 Application 的 Web Server 的設定只有一台主機，此時負責的顧問也注意到了，將兩部主機的設定全加進設定裏後，第一個 Applet 出不來的問題解決了。重覆試了好幾次，都是正常的。但是第二個問題依然是存在，我們又回頭去請教網管，確認是不是不能設的設定有確認過真的沒設。

後來真的確認了，ARP Proxy 被打開了，造成系統切換至 Standby 後我的 ARP Table 不一致，隔沒多久，網路就斷線，然後整個系統就會被踢回 Master 端。

所以在做一些設定時，雖然己經將所需環境及設定告知客戶了，還是得再三確認過才行，這次這個問題，花了快兩週的時間解決。每天許多人都熬到很晚，因為有時又不會發生，根本找不到解釋的原因。所幸 ARP Proxy 關閉了以後，這件事就真的解決了。