KingbaseES 集群启停系列 04 -- 集群启动无法加载VIP

案例说明：
KingbaseES V8R6集群在使用sys_monitor.sh启动集群时，将会在主库节点加载vip；生产现场，在启动集群时，加载vip失败，本案例详细描述了问题解决的过程。

适用版本：
KingbaseES V8R6

操作系统：
kylin信安

问题解决思路：

1.    通过ping测试vip地址是否被占用。
2.    执行sh -x sys_monitor.sh start分析脚本执行过程，查看具体的vip加载语句。
3.    执行脚本中vip的测试语句，查看返回结果。
4.    分析脚本测试语句，判断故障原因。
5.    对照脚本语句，在当前系统下执行vip测试语句，对比脚本语句，确定故障原因。
6.    针对故障原因，提供解决方案。

一、故障现象
如下所示，sys_monitor.sh启动集群后，出现以下错误提示，vip加载失败：

2024-06-14 19:29:32  The primary DB is started.
2024-06-14 19:29:32 The virtual ip [172.172.20.115] has already exists and not on primary host [172.172.20.113], exit.
# vip已经在其他节点被占用，但不在主库节点上。

二、问题分析

1、执行ping测试（vip地址是否被占用）
如下所示，ping vip测试，vip地址并未被占用：

[kingbase@node201 bin]$ ping 172.172.20.115 -c 3 -w 3
PING 172.172.20.115 (172.172.20.115) 56(84) bytes of data.

--- 172.172.20.115 ping 统计 ---
发送3个包，已接收0个包, 100% packet loss, time 2000ms

2、执行sh -x sys_monitor.sh start分析
如下所示，执行sh -x sys_monitor.sh start分析启动过程，发现在执行ping vip测试时，变量结果为空：ping_result=

++ ssh -o StrictHostKeyChecking=no -o ConnectTimeout=10 -q -o ConnectTimeout=10 -o StrictHostKeyChecking=no -o ServerAliveInterval=2 -o ServerAliveCountMax=5 -p 22 -l kingbase -T 172.172.20.113 'ping 172.172.20.115 -c 3 -w 3 | grep received | awk '\''{print $4}'\'''
++ '[' 0 -ne 0 ']'
++ return 0
+ ping_result=
+ '[' 0 -ne 0 ']'
+ '[' x = 0x ']'
+ return 0
+ '[' 0 -eq 0 ']'
+ return 0
+ '[' 0 -eq 0 ']'
++ execute_command root 172.172.20.113 '/usr/sbin/ip addr | grep -w "172.172.20.115" | wc -l'
++ local user=root
++ local host=172.172.20.113
++ local 'command=/usr/sbin/ip addr | grep -w "172.172.20.115" | wc -l'
++ '[' 0 -eq 0 ']'
++ ssh -o StrictHostKeyChecking=no -o ConnectTimeout=10 -q -o ConnectTimeout=10 -o StrictHostKeyChecking=no -o ServerAliveInterval=2 -o ServerAliveCountMax=5 -p 22 -l root -T 172.172.20.113 '/usr/sbin/ip addr | grep -w "172.172.20.115" | wc -l'
++ '[' 0 -ne 0 ']'
++ return 0
+ local on_primary_host=0
+ '[' 0 -ne 0 ']'
+ '[' 0x '!=' x ']'
+ '[' 0 -eq 0 ']'
++ date '+%Y-%m-%d %H:%M:%S'
+ echo '2024-06-14 19:29:32 The virtual ip [172.172.20.115] has already exists and not on primary host [172.172.20.113], exit.'
2024-06-14 19:29:32 The virtual ip [172.172.20.115] has already exists and not on primary host [172.172.20.113], exit.
+ exit 1

如下所示，在测试ping vip时，如果vip未被占用，结果应该是：ping_result=0

++ ssh -o StrictHostKeyChecking=no -o ConnectTimeout=10 -q -o ConnectTimeout=10 -o StrictHostKeyChecking=no -p 22 -o ServerAliveInterval=2 -o ServerAliveCountMax=3 -l kingbase -T 192.168.1.201 'ping 192.168.1.88 -c 3 -w 3 | grep received | awk '\''{print $4}'\'''
++ '[' 0 -ne 0 ']'
++ return 0
+ ping_result=0

3、查看sys_monitor.sh语句
如下所示，脚本执行测试语句：

function ping_ip_on_host()
{
    local host=$1
    local ip=$2
    local ping_result=""
    local is_ipv6=`echo "$ip" | grep -o ":" | wc -l`

    if [ ${is_ipv6} -eq 0 ]
    then
        ping_result=`execute_command ${execute_user} $host "ping ${ip} -c 3 -w 3 | grep received | awk '{print \\$4}'"`
    else
        ping_result=`execute_command ${execute_user} $host "ping6 ${ip} -c 3 -w 3 | grep received | awk '{print \\$4}'"`
    fi
    if [ $? -ne 0 ] || [ "$ping_result"x = "0"x ]
    then
        return 1
    fi
    return 0
}

当前系统执行测试语句：

[系统未激活][kingbase@localhost bin] ssh -o StrictHostKeyChecking=no 
-o ConnectTimeout=10 -q -o ConnectTimeout=10 -o StrictHostKeyChecking=no 
-o ServerAliveInterval=2 -o ServerAliveCountMax=5 -p 22 -l kingbase 
-T 172.172.20.113 'ping 172.172.20.115 -c 3 -w 3 | grep received 
| awk '\''{print $4}'\'''


系统返回空值（未返回结果）

CentOS环境测试：

# 如果vip已被占用，返回结果为：3
[kingbase@node201 bin]$ ssh -o StrictHostKeyChecking=no -o ConnectTimeout=10 
-q -o ConnectTimeout=10 -o StrictHostKeyChecking=no -o ServerAliveInterval=2 
-o ServerAliveCountMax=5 -p 22 -l kingbase -T 192.168.1.201 
'ping 192.168.1.88 -c 3 -w 3 | grep received | awk '\''{print $4}'\'''

3

# 如果vip未被占用，返回结果为：0
[kingbase@node201 bin]$ ssh -o StrictHostKeyChecking=no -o ConnectTimeout=10 
-q -o ConnectTimeout=10 -o StrictHostKeyChecking=no -o ServerAliveInterval=2 
-o ServerAliveCountMax=5 -p 22 -l kingbase -T 192.168.1.201 
'ping 192.168.1.99 -c 3 -w 3 | grep received | awk '\''{print $4}'\'''

0

4、系统执行ping vip测试

如下所示，kylin信安系统在执行ping后，返回的结果是中文：received=’已接收’

[kingbase@node201 bin]$ ping 172.172.20.115 -c 3 -w 3
PING 172.172.20.115 (172.172.20.115) 56(84) bytes of data.

--- 172.172.20.115 ping 统计 ---
发送3个包，已接收0个包, 100% packet loss, time 2000ms

而sys_monitor.sh脚本grep过滤单词为‘received’，导致过滤失败，变量ping_result返回为null：

ping_result为空后，导致vip地址检测错误，集群启动加载vip失败。

三、问题解决

  1.  配置kylin信安系统，将命令执行返回提示改为英文。
  2.  或者修改sys_monitor.sh脚本，将grep过滤改为‘已接收’。

四、问题总结
此案例发生的原因，是脚本和操作系统的兼容性问题，对Linux系统在使用时，尽量将命令执行的返回提示用英文标识，避免造成脚本执行的兼容性故障。