MarkLogic:更新主机名失败-等待重试

Question

我正在使用云表单模板3节点集群和测试DR的AZ故障在AWS。

我所做的是：

1. 成功创建了3个节点集群(主节点+2个从节点)，
2. 终止ASG ( ELB下的实例转到OutOfService状态，这很好)和Master正在使用的EBS
3. 在另一个AZ中用Master & EBS创建ASG (结果:主人回来了，ELB回来了，网站回来了，但是.奴隶永远不会离开OutOfService状态)
4. 我用slave2和它的EBS删除了ASG。重新创建ASG & EBS，但从实例投诉使用以下消息：

3月3日16:30 ip-10-58-3-36 MarkLogic:原主机名ip-10-58-3-68.us-west-1计算没有集群主机在线试用其他主机( Mar 3 16:31:31 ip-10-58-3-36 /opt/MarkLogic/mlcmd/scripts/initialize-node.xsh MarkLogic: 56 mar3 16:31 ip-10-58 3-36 MarkLogic)3 16:31 ip-10-58 3-36 MarkLogic: /opt/MarkLogic/mlcmd/scripts/initialize-node.xsh线路: 59 /3 16:31 ip-10-10-58-3-36 MarkLogic:未能更新主机名-等待重试Mar 3 16:31:31 ip-10-58-3-36 MarkLogic: 153 3 16:31 ip-10-58-3-36 MarkLogic:睡眠14秒钟3 16:31 ip-10-58-36 MarkLogic: 154

我浏览了/var/log/消息，并看到：

3月3日15:05:05 ip-10-58-3-36 MarkLogic: MARKLOGIC_INSTANCE: MARKLOGIC_INSTANCE:i- MDM_NODE_NAME: MARKLOGIC_NODE_NAME: NodeB# NodeB# ZONE: us-west-1b

MARKLOGIC_ZONE参数指向错误的区域。

我的问题是:为什么这个参数在这里是错误的？这是软件中的漏洞吗？

我尝试通过user_data更新这个参数，但仍然没有骰子。

我很好奇其他人是如何解决这个问题的，因为看起来这个集群并不是自愈。

另一件事是，如果我杀死主(停止服务/停止ec2)，那么整个集群是不可用的。它可以设置，这样奴隶才能提升自己成为主人吗？

我使用的是MarkLogic 8.0-6

Answer 1

如果您是手工修改在模板中创建的资源，您将有很大的问题。参数“错误”，最可能的原因是：

在另一个AZ中使用Master & EBS创建ASG

AWS模板“管理”它们创建的所有资源，删除和创建新的资源将导致内部问题，您应该“更新”模板，以便云形成知道正在发生什么，并(如果可能的话)处理所有依赖项。

托管群集特性本身不知道CF模板(您可以在不使用CF的情况下运行托管集群)。它是在启动时由环境变量配置的，然后在DynamoDB中保持长期状态，以便能够在任何或所有被终止的EC2实例中生存下来。初始状态需要在其生命周期内与动态状态保持一致。一旦一个新实例第一次运行，状态初始配置将缓存在根卷中，以确保在该EC2实例的生存期内不会发生更改。当使用示例模板时，这些模板作为用户数据传入。从ASG启动的EC2实例需要“启动配置”来提供用户数据。这是模板中的设置。如果你删除一个ASG (或启动配置) --并创建一个新的配置--不仅CF会感到困惑，而且除非您非常小心地正确配置启动配置和用户数据，否则启动的节点将被错误配置--充其量。一旦一个新实例第一次运行，状态初始配置将缓存在根卷中，以确保在该EC2实例的生存期内不会发生更改。

这就是您所看到的:节点从错误的区域获得配置，这是因为在不同的区域中创建了ASG，但是从原始区域获得了配置。要做这种手术，需要深入了解整个过程和架构，即使这样，也不太可能成功，因为它的设计并不是为了以这种方式改变配置。

它被设计成以您期望的方式具有容错性，但是由于EBS的限制，它要复杂一些-- EBS卷不跨区域，因此在新区域中启动ML实例将无法直接使用他人的EBS卷。相反，您需要首先跨区域复制森林，然后如果出现区域故障，其他节点将拥有副本，集群就会存活下来。如果您需要更多的节点，那么通过CF更新修改“每个区域的实例”。这将在可用区域中生成新的实例，它们将加入集群。托管群集功能只运行到“群集连接”级别。您需要自行管理数据(森林、卷等)的再平衡(通过REST、手动或其他过程)。

通常-*托管集群特性的架构是针对并利用EC2实例终止的。如果出了问题，最好的解决方法就是让实例死掉，由一个新的实例代替它。

• 不对没有手动创建的“资源”进行任何更改，而是在适当的位置更新CF堆栈。你不能“迁移”资源。相反，您可以创建新的数据，迁移数据，并淘汰旧的数据。
• 复制所有关键数据，以便一个区域故障不会隔离它，例如，所有节点都需要随时访问Security。通过复制，集群可以在所有区域失败后存活下来，并在出现的任何区域上重新启动。你只需要让它。
• 与助理秘书长合作，而不是对抗他们。阅读各种挂起ASG进程的方法，以便您可以在需要时“拯救”服务器，而不会将它们杀死。如果需要更多，那么增加节点的#。
• ASG的配置为每个集群有一个区域。