两台阿里云 ECS 都装好 Keepalived,虚拟 IP(VIP)也不一定能正常漂移。云上网络由平台管理,VRRP 组播和传统机房里的免费 ARP 行为不能直接照搬。部署前要先确认故障时由谁接管 IP、通过什么方式切换,再开始写配置。
先选方案:负载均衡还是迁移私网 IP
业务面向公网,或者希望由云平台检查后端状态并转发流量,可以优先评估阿里云负载均衡 SLB。它不需要 ECS 之间迁移同一个 IP,后端异常时可以按健康检查结果摘除。对多数只需要一个高可用访问入口的业务,这通常比在云主机上模拟传统网卡漂移省事。
如果业务必须使用固定的 VPC 私网地址,可以让 Keepalived 负责主备状态检测,再由切换脚本调用阿里云 API,把辅助私网 IP 从主实例转到备实例。能否迁移,要看 IP 所属的弹性网卡、实例和网络配置。上线前应确认对应 API 支持所需操作,并为脚本准备合适的 RAM 授权。
不要在两台 ECS 上同时配置同一个 VIP,再指望免费 ARP 自动完成切换。云网络不一定按物理交换机的方式处理广播和地址归属,可能出现主机上已经添加 VIP、VPC 内其他机器却访问不到的情况。
部署前需要确认的事项
- 准备两台符合容灾要求的 ECS,并确认它们位于合适的 VPC 和可用区。安全组、网络 ACL 也要放通业务端口及所需的检测通信。
- 确定固定私网 IP 的归属方式。采用 API 迁移辅助私网 IP 时,先验证迁移、解绑和重新绑定流程,不要等到故障演练时才发现操作不支持。
- 选好健康检查对象。只检查 Keepalived 进程不够;应用已经停止、心跳仍正常时,主机不会按预期切换。检查内容应能反映业务是否真正可用。
- 为切换脚本配置最小权限的 RAM 角色或授权凭证。不要把长期有效的 AccessKey 明文写进脚本。
安装 Keepalived,使用单播检测
下面以常见 Linux 发行版为例安装软件包。具体命令可能需要按系统版本调整。
CentOS、RHEL 等系统可执行:
sudo yum install -y keepalived
Debian、Ubuntu 系统可执行:
sudo apt-get update && sudo apt-get install -y keepalived
在阿里云 VPC 中,不要默认 VRRP 组播可用。主备 ECS 可以配置单播对端,让两台机器直接互发检测报文。下面是配置思路,网卡名、IP 地址和脚本路径都要替换成实际值:
global_defs {
router_id ecs-a
}
vrrp_instance VI_1 {
state BACKUP
interface eth0
virtual_router_id 51
priority 120
advert_int 1
unicast_src_ip 10.0.1.10
unicast_peer { 10.0.1.11 }
authentication { auth_type PASS; auth_pass ChangeMe123 }
track_script { chk_app }
notify_master “/usr/local/sbin/vip-switch.sh master”
notify_backup “/usr/local/sbin/vip-switch.sh backup”
}
备机需要使用自己的 router_id 和 unicast_src_ip,并设置较低的 priority,例如 100。配置语法可能因 Keepalived 版本不同而有差异,启动前应检查实际安装版本的配置要求。示例中的密码也要换成强口令,并限制配置文件的读取权限。
让健康检查触发实际的 IP 切换
健康检查可以用 curl 请求本机业务接口,也可以检查关键进程。下面的脚本仅作示意:检查失败时返回非零值,Keepalived 再根据配置降低优先级或触发切换。
#!/bin/sh
curl -fsS –max-time 2 http://127.0.0.1:8080/health >/dev/null
exit $?
业务接口的健康状态要能反映服务是否可用。比如接口只要 Web 进程还在就返回成功,但数据库连接已经失败,这种检查就可能让故障主机继续保持主节点状态。
成为主节点时,切换脚本应调用云 API,把辅助私网 IP 转移到当前实例对应的网卡;成为备节点时,则按方案释放 IP 或等待平台完成迁移。脚本不能只执行 ip addr add,因为在云平台上把地址加到系统网卡,并不等于平台已经把 IP 归属切换到这台实例。
还要处理 API 调用失败、重复执行、迁移耗时和并发切换,并记录关键日志、设置合理超时。API 名称和参数可能随资源类型及接口版本变化,应按阿里云官方文档核对当前环境适用的操作,避免直接复制不适用于这块网卡的命令。
完成配置检查后,可以启用并查看服务状态:
sudo systemctl enable –now keepalived
sudo systemctl status keepalived
场景示例:固定私网 IP 的订单查询服务
假设主机 A、B 的地址分别是 10.0.1.10 和 10.0.1.11,订单查询服务监听 8080,客户端访问固定私网地址 10.0.1.20。团队将 10.0.1.20 配置为可迁移的辅助私网 IP,让 Keepalived 通过单播检测两台主机;健康检查访问各自的 /health,成为主节点时由脚本调用 API,把该 IP 绑定到当前实例的网卡。
演练时,A 上的应用停止运行,健康检查失败后,Keepalived 将 A 降为备机;B 接管主节点状态并执行 IP 迁移。迁移完成后,客户端仍使用 10.0.1.20 连接,不需要修改访问地址。
这不代表连接完全没有中断。API 操作需要时间,客户端也可能需要重新连接。客户端应设置超时和重试,业务方还要确认这段恢复时间是否可以接受。只验证 Keepalived 状态变更,不测试客户端实际访问,很容易漏掉 IP 迁移和连接恢复环节的问题。
上线前安排故障演练
- 分别停止主机上的应用、停止 Keepalived,必要时模拟网络故障,确认每种情况都会触发预期动作。
- 从 VPC 内的其他 ECS 测试 VIP 连通性,不要只在主备机本机执行 ping。主机本地能看到地址,不代表其他机器已经能访问。
- 确认辅助 IP 在任一时刻只归属一个实例,并检查切换失败时的告警、重试和回退流程。
- 查看
/var/log/messages或 systemd 日志,核对单播报文、健康检查和 API 调用是否正常。
阿里云部署Keepalived时,配置文件只是其中一环。使用 SLB 时,重点是后端健康检查和业务接入;必须保留固定私网 IP 时,则要先验证单播检测、健康检查与 API 迁移能否连成一条可用的切换链路。完成配置后安排故障演练,才能确认故障发生时客户端确实能够恢复访问。