探测程序 (Sun Cluster 数据服务开发者指南（适用于 Solaris OS）)

Sun Cluster 数据服务开发者指南（适用于 Solaris OS）

探测程序

dns_probe 程序将实现一个持续运行的进程，用来检验数据服务样例所控制的 DNS 资源是否正在运行。 dns_probe 由 dns_monitor_start 方法启动，使数据服务样例联机后，RGM 将自动调用该方法。该数据服务由 dns_monitor_stop 方法停止，使数据服务样例脱机前，RGM 将调用该方法。

本小节介绍了应用程序样例中的PROBE 方法的重要方面，但未介绍所有回叫方法都通用的功能，例如 parse_args() 函数和获取 syslog 工具，这些在为所有方法提供通用功能中介绍。

有关 PROBE 方法的完整列表，请参阅PROBE 程序。

探测程序概述

探测程序以死循环的形式运行。它使用 nslookup 检验适当的 DNS 资源是否正在运行。如果 DNS 正在运行，探测程序将按照指定的时间间隔（由系统定义的特性 Thorough_probe_interval 进行设置）进行休眠，然后再次进行检查。如果 DNS 未运行，此程序将尝试在本地重启 DNS，或按照重启尝试的次数请求 RGM 将数据服务重定位到其它节点。

获取特性值

此程序需要以下特性值：

Thorough_probe_interval – 用来设置探测程序休眠的时间段
Probe_timeout — 用来对进行探测操作的 nslookup 命令强制执行探测程序的超时值
Network_resources_used — 用来获取 DNS 服务器的 IP 地址
Retry_count 和 Retry_interval — 用来确定重启尝试的次数和进行计数的时间间隔
Rt_basedir – 用来获取包含 PROBE 程序和 gettime 公用程序的目录

scha_resource_get() 函数可用来获取这些特性的值，并将其存储在 shell 变量中，如下所示。

PROBE_INTERVAL=`scha_resource_get -O THOROUGH_PROBE_INTERVAL \
-R $RESOURCE_NAME -G $RESOURCEGROUP_NAME`

probe_timeout_info=`scha_resource_get -O Extension -R $RESOURCE_NAME
\
-G $RESOURCEGROUP_NAME Probe_timeout` 
PROBE_TIMEOUT=`echo $probe_timeout_info | awk '{print $2}'`

DNS_HOST=`scha_resource_get -O NETWORK_RESOURCES_USED -R $RESOURCE_NAME
\
-G $RESOURCEGROUP_NAME`

RETRY_COUNT=`scha_resource_get -O RETRY_COUNT -R $RESOURCE_NAME
-G\
 $RESOURCEGROUP_NAME`

RETRY_INTERVAL=`scha_resource_get -O RETRY_INTERVAL -R $RESOURCE_NAME
-G\
 $RESOURCEGROUP_NAME`

RT_BASEDIR=`scha_resource_get -O RT_BASEDIR -R $RESOURCE_NAME -G\
 $RESOURCEGROUP_NAME`

注意：

对于系统定义的特性（例如 Thorough_probe_interval ），scha_resource_get() 仅返回值。对于扩展特性（例如 Probe_timeout），scha_resource_get() 将返回类型和值。使用 awk 命令仅能获取值。

检查服务的可靠性

探测程序本身是 nslookup 命令的 while 死循环。在进行 while 循环之前，将设置一个临时文件，以保留 nslookup 应答。 probefail 和 retries 变量初始化为 0。

# Set up a temporary file for the nslookup replies.
DNSPROBEFILE=/tmp/.$RESOURCE_NAME.probe
probefail=0
retries=0

while 循环本身将：

设置探测程序的休眠间隔
使用 hatimerun 启动 nslookup，传送 Probe_timeout 的值并标识目标主机
根据 nslookup 返回代码的成功或失败状态，设置 probefail 变量
如果将 probefail 设置为 1（失败），则可检验对 nslookup 的应答是由数据服务样例发出的还是由其它 DNS 服务器发出的

下面是 while 循环代码。

while :
do
   # The interval at which the probe needs to run is specified in the
   # property THOROUGH_PROBE_INTERVAL. Therefore, set the probe to sleep
   # for a duration of THOROUGH_PROBE_INTERVAL.
   sleep $PROBE_INTERVAL

   # Run an nslookup command of the IP address on which DNS is serving.
   hatimerun -t $PROBE_TIMEOUT /usr/sbin/nslookup $DNS_HOST $DNS_HOST \
          > $DNSPROBEFILE 2>&1

      retcode=$?
      if [ $retcode -ne 0 ]; then
            probefail=1
      fi

   # Make sure that the reply to nslookup comes from the HA-DNS
   # server and not from another nameserver mentioned in the 
   # /etc/resolv.conf file.
   if [ $probefail -eq 0 ]; then
# Get the name of the server that replied to the nslookup query.
   SERVER=` awk ' $1=="Server:" { print $2 }' \
   $DNSPROBEFILE | awk -F. ' { print $1 } ' `
   if [ -z "$SERVER" ]; then
      probefail=1
      else
         if [ $SERVER != $DNS_HOST ]; then
            probefail=1
         fi
   fi
fi

评估重启和故障切换

如果 probefail 变量是 0 （成功）之外的值，这意味着 nslookup 命令超时或表明应答是某个服务器发出的，而不是服务样例的 DNS 发出的。在每种情况下，DNS 服务器都不能按照预期的情况发挥作用，且故障监视器将调用 decide_restart_or_failover() 函数以确定是在本地重启数据服务，还是请求 RGM 将数据服务重定位到其它节点。如果 probefail 变量是 0，则会生成一条表明探测程序成功的消息。

   if [ $probefail -ne 0 ]; then
         decide_restart_or_failover
   else
         logger -p ${SYSLOG_FACILITY}.err\
         -t [$SYSLOG_TAG]\
         "${ARGV0} Probe for resource HA-DNS successful"
   fi

decide_restart_or_failover() 函数使用时间窗口 (Retry_interval) 和故障计数 (Retry_count) 来确定是在本地重启 DNS，还是请求 RGM 将数据服务重定位到其它节点。它实现了以下有条件的代码（请参阅PROBE 程序中的 decide_restart_or_failover() 的代码列表）。

如果这是第一次出现故障，重新启动数据服务。记录一条错误消息并取消 retries 变量中的计数器。
如果不是首次故障，但是时间已经超出了窗口的范围，请重启数据服务。记录一条错误消息，复位计数器并滑动窗口。
如果时间仍处于窗口的范围内，但已超出重试计数器的计数范围，请故障切换到另一个节点。如果故障切换未成功，将记录一条错误消息并以状态 1（失败）退出探测程序。
如果时间仍处于窗口的范围内，但是未超出重试计数器的计数范围，请重启数据服务。记录一条错误消息并取消 retries 变量中的计数器。

如果在指定时间间隔内达到了重启的最大次数，函数将请求 RGM 将数据服务重定位到其它节点。如果重启的次数在所限制范围之内，或者已超出了时间间隔，以致重新开始计数时，该函数将尝试在同一节点上重启 DNS。请注意以下关于此函数的信息：

gettime 公用程序用来跟踪两次重启操作之间的时间。这是驻留在 (Rt_basedir) 目录中的 C 程序。
系统定义的资源特性 Retry_count 和 Retry_interval 可确定重启尝试的次数以及进行计数的时间间隔。在 RTR 文件中这些特性缺省设置为在 5 分钟（300 秒）时间内尝试 2 次，但是群集管理员可以更改这些值。
系统将调用 restart_service() 函数尝试在同一节点上重启该数据服务。有关此函数的信息，请参阅下一节重启数据服务。
使用 scha_control() API 函数和 GIVEOVER 选项可以使含有数据服务样例的资源组脱机并在其它节点上重新联机。

重启数据服务

decide_restart_or_failover() 调用 restart_service() 函数以试图在同一个节点上重新启动数据服务。该函数执行以下操作。

它可确定数据服务是否仍然在 PMF 的控制下进行登记。如果仍然对该服务进行登记，则该函数将：
- 获取数据服务的 Stop 方法名和 Stop_timeout 值。
- 使用 hatimerun 启动数据服务的 Stop 方法，并传送 Stop_timeout 值。
- （如果成功停止数据服务）获取数据服务的 Start 方法名称和 Start_timeout 值。
- 使用 hatimerun 启动数据服务的 Start 方法，并传送 Start_timeout 值。
如果该数据服务不再在 PMF 的控制下进行登记，则表明该数据服务已超出了在 PMF 控制下进行重试的最大允许次数，因此可以使用 GIVEOVER 选项调用 scha_control() 函数将数据服务故障切换到其它节点。

function restart_service
{

        # To restart the data service, first verify that the 
        # data service itself is still registered under PMF.
        pmfadm -q $PMF_TAG
        if [[ $? -eq 0 ]]; then
                # Since the TAG for the data service is still registered under
                # PMF, first stop the data service and start it back up again.

                # Obtain the Stop method name and the STOP_TIMEOUT value for
                # this resource.
                STOP_TIMEOUT=`scha_resource_get -O STOP_TIMEOUT \
                        -R $RESOURCE_NAME -G $RESOURCEGROUP_NAM?
                STOP_METHOD=`scha_resource_get -O STOP \
                        -R $RESOURCE_NAME -G $RESOURCEGROUP_NAM?
                hatimerun -t $STOP_TIMEOUT $RT_BASEDIR/$STOP_METHOD \
                        -R $RESOURCE_NAME -G $RESOURCEGROUP_NAME \
                        -T $RESOURCETYPE_NAME

                if [[ $? -ne 0 ]]; then
                        logger-p ${SYSLOG_FACILITY}.err -t [$SYSLOG_TAG] \
                                “${ARGV0} Stop method failed.”
                        return 1
                fi

                # Obtain the START method name and the START_TIMEOUT value for
                # this resource.
                START_TIMEOUT=`scha_resource_get -O START_TIMEOUT \
                        -R $RESOURCE_NAME -G $RESOURCEGROUP_NAM?
                START_METHOD=`scha_resource_get -O START \
                        -R $RESOURCE_NAME -G $RESOURCEGROUP_NAM?
                hatimerun -t $START_TIMEOUT $RT_BASEDIR/$START_METHOD \
                        -R $RESOURCE_NAME -G $RESOURCEGROUP_NAME \
                        -T $RESOURCETYPE_NAME

                if [[ $? -ne 0 ]]; then
                        logger-p ${SYSLOG_FACILITY}.err -t [$SYSLOG_TAG] \
                                “${ARGV0} Start method failed.”
                        return 1
                fi


        else
                # The absence of the TAG for the dataservice 
                # implies that the data service has already
                # exceeded the maximum retries allowed under PMF. 
                # Therefore, do not attempt to restart the
                # data service again, but try to failover
                # to another node in the cluster.
                scha_control -O GIVEOVER -G $RESOURCEGROUP_NAME \
                        -R $RESOURCE_NAME
        fi

        return 0
}

探测程序退出状态

如果尝试在本地进行重启的操作以及尝试故障切换到其它节点的操作都失败后，数据服务样例的 PROBE 程序将在失败状态下退出。它将记录错误消息“故障切换尝试失败”。