如何执行Cron作业故障转移？

使用两个Debian服务器，我需要为cron作业设置一个强大的故障转移环境，一次只能在一个服务器上调用该作业。

在/etc/cron.d中移动文件应该可以解决问题，但是是否有简单的HA解决方案来执行此类操作？如果可能的话，不要心跳;）

我认为心跳/起搏器将是最好的解决方案，因为它们可以为您照顾很多比赛条件，击剑等，以确保这项工作一次只能在一个主机上运行。可以自己设计一些东西，但可能无法解决这些软件包所做的所有情况，最终您将不得不替换大部分（如果不是全部）轮子。

如果您真的不太在意这些事情，并且想要一个简单的设置。我建议将服务器上的cron作业错开几分钟。然后，当作业在主服务器上启动时，它可能会以某种方式在作业所使用的任何共享资源上留下标记（您未指定此名称，所以我故意含糊）。如果是数据库，他们可以更新表中的字段，或者如果它位于共享文件系统上，则锁定文件。

当作业在第二台服务器上运行时，它可以检查标记的存在并中止标记的存在。

我们根据需求使用两种方法。两者都涉及到在所有机器上都存在并运行cron，但是涉及一些健全性检查：

1. 如果计算机处于主服务器和辅助服务器（可能有多个辅助服务器）的关系，则将修改脚本以检查其上运行的计算机是否处于主服务器状态。如果没有，那么他们只是安静地退出。我目前暂无HB设置，但我相信您可以向HB查询此信息。

2. 如果所有计算机都是合格的主计算机（例如群集中的计算机），则将使用某些锁定。通过共享数据库或PID文件。只有一台机器获得了锁定状态，而那些没有悄悄退出。

长话短说，您必须将cron脚本转换为某种可群集的应用程序。作为实现所需的轻量级或重量级的实现，他们仍然需要一件事-能够在主节点故障转移之后正确地恢复/重新启动操作（或恢复其状态）。琐碎的情况是它们是无状态程序（或“足够无状态”的程序），可以随时随地重新启动就可以了。这可能不是您的情况。请注意，对于无状态程序，您不需要故障转移，因为您可以简单地在所有节点上并行运行它们。

在通常复杂的情况下，您的脚本应位于群集的共享存储中，应将其状态存储在文件中，应仅原子地更改存储在磁盘上的状态，并应能够从启动时检测到的任何瞬时状态继续执行操作。

实际上，在这方面没有令人满意的解决方案。我们已经尝试了所有。脚本解决方案，具有心跳/起搏器的cron等。直到最近，唯一的解决方案是网格解决方案。自然，这不是我们想要看到的，因为网格解决方案对于该场景而言远不过是多余的。

这就是为什么我启动了CronBalancer项目的原因。除了分布式，负载平衡和HA（完成后）外，它的工作原理与普通cron服务器完全相同。目前，前2分已经完成（测试版），并且可以与标准crontab文件一起使用。

HA框架已经到位。剩下的就是确定故障转移和恢复操作所需的信号。

http://sourceforge.net/projects/cronbalancer/

卡盘

我一直在使用Nagios 事件处理程序作为简单的解决方案。

在NRPE服务器上：

command[check_crond]=/usr/lib64/nagios/plugins/check_procs -c 1: -C crond
command[autostart_crond]=sudo /etc/init.d/crond start
command[stop_crond]=sudo /etc/init.d/crond stop

不要忘记将nagios用户添加到sudoers组：

nagios  ALL=(ALL)   NOPASSWD:/usr/lib64/nagios/plugins/, /etc/init.d/crond

并禁用requiretty：

Defaults:nagios !requiretty

在Nagios服务器上：

services.cfg

define service{
    use                     generic-service
    host_name               cpc_3.145
    service_description     crond
    check_command           check_nrpe!check_crond
    event_handler           autostart_crond!cpc_2.93
    process_perf_data       0
    contact_groups          admin,admin-sms
}

命令

define command{
    command_name    autostart_crond
    command_line    $USER1$/eventhandlers/autostart_crond.sh $SERVICESTATE$ $SERVICESTATETYPE$ $SERVICEATTEMPT$ $ARG1$
}

autostart_crond.sh

#!/bin/bash

case "$1" in
    OK)
        /usr/local/nagios/libexec/check_nrpe -H $4 -c stop_crond
        ;;
    WARNING)
        ;;
    UNKNOWN)
        /usr/local/nagios/libexec/check_nrpe -H $4 -c autostart_crond
        ;;
    CRITICAL)
        /usr/local/nagios/libexec/check_nrpe -H $4 -c autostart_crond
        ;;
esac

exit 0

但是我改用Pacemaker和Corosync，因为它是确保资源一次仅在一个节点上运行的最佳解决方案。

这是我已完成的步骤：

验证crond 初始化脚本是否符合LSB。在我的CentOS上，我必须将退出状态从1更改为0（如果启动正在运行或停止已停止）以符合要求：

start() {
    echo -n $"Starting $prog: " 
    if [ -e /var/lock/subsys/crond ]; then
        if [ -e /var/run/crond.pid ] && [ -e /proc/`cat /var/run/crond.pid` ]; then
            echo -n $"cannot start crond: crond is already running.";
            failure $"cannot start crond: crond already running.";
            echo
            #return 1
            return 0
        fi
    fi

stop() {
    echo -n $"Stopping $prog: "
    if [ ! -e /var/lock/subsys/crond ]; then
        echo -n $"cannot stop crond: crond is not running."
        failure $"cannot stop crond: crond is not running."
        echo
        #return 1;
        return 0;
    fi

然后可以使用以下命令将其添加到Pacemaker中：

# crm configure primitive Crond lsb:crond \
        op monitor interval="60s"

crm配置显示

node SVR022-293.localdomain
node SVR233NTC-3145.localdomain
primitive Crond lsb:crond \
        op monitor interval="60s"
property $id="cib-bootstrap-options" \
        dc-version="1.1.5-1.1.el5-01e86afaaa6d4a8c4836f68df80ababd6ca3902f" \
        cluster-infrastructure="openais" \
        expected-quorum-votes="2" \
        stonith-enabled="false" \
        no-quorum-policy="ignore"
rsc_defaults $id="rsc-options" \
        resource-stickiness="100"

crm状态

============
Last updated: Fri Jun  7 13:44:03 2013
Stack: openais
Current DC: SVR233NTC-3145.localdomain - partition with quorum
Version: 1.1.5-1.1.el5-01e86afaaa6d4a8c4836f68df80ababd6ca3902f
2 Nodes configured, 2 expected votes
1 Resources configured.
============

Online: [ SVR022-293.localdomain SVR233NTC-3145.localdomain ]

 Crond  (lsb:crond):    Started SVR233NTC-3145.localdomain

通过在3.145上停止Pacemaker和Corosync来测试故障转移：

[root@3145 corosync]# service pacemaker stop
Signaling Pacemaker Cluster Manager to terminate:          [  OK  ]
Waiting for cluster services to unload:......              [  OK  ]

[root@3145 corosync]# service corosync stop
Signaling Corosync Cluster Engine (corosync) to terminate: [  OK  ]
Waiting for corosync services to unload:.                  [  OK  ]

然后在2.93上检查群集状态：

============
Last updated: Fri Jun  7 13:47:31 2013
Stack: openais
Current DC: SVR022-293.localdomain - partition WITHOUT quorum
Version: 1.1.5-1.1.el5-01e86afaaa6d4a8c4836f68df80ababd6ca3902f
2 Nodes configured, 2 expected votes
1 Resources configured.
============

Online: [ SVR022-293.localdomain ]
OFFLINE: [ SVR233NTC-3145.localdomain ]

Crond   (lsb:crond):    Started SVR022-293.localdomain

使它在特定机器上执行/不执行是微不足道的。根据您的建议，要么有一个脚本将cron作业放在/etc/cron.d中，要么将该脚本永久地放在/etc/cron.d中，但让脚本本身进行故障转移检查并决定是否执行。

这两者的共同点（缺失）是脚本如何检查另一台计算机上的脚本是否正在运行。

如果没有有关您要执行的操作的更多信息，这很难回答。

对于这个特殊的问题，我更喜欢Rcron。您有一个状态文件，该文件仅显示“ active”或“ passive”，如果处于活动状态，则cron将在特定计算机上运行。如果状态文件设置为被动，则它将不会运行。就那么简单。

现在，您可以使用RedHat Cluster Suite或任何其他集群中间件来管理整个集群的状态文件，或者您可以手动在某个节点上将其设置为活动状态。