1.
整体设计与准备
小分段：评估需求与资源；在柬埔寨机房通常准备至少两台应用节点、两台数据库节点（或Galera三节点）、一组监控节点与共享存储/浮动IP。确认网络连通、带宽、路由、是否支持浮动IP或BGP；准备系统账户、SSH密钥、时间同步（chrony/ntp）。
2.
网络与防火墙基础配置
小分段：设置固定IP与子网、配置iptables/nftables或云提供的安全组，只放通必要端口（80/443、3306、VIP相关的VRRP 112、监控端口9100/9090等）。示例：iptables -A INPUT -p tcp --dport 80 -j ACCEPT；启用内核转发 sysctl -w net.ipv4.ip_forward=1 并持久化到 /etc/sysctl.conf。
3.
部署负载均衡（HAProxy/Nginx/LVS）
小分段：选择HAProxy作为软件LB：安装 apt-get install -y haproxy，编辑 /etc/haproxy/haproxy.cfg，示例frontend/backend 配置，启用健康检查：option httpchk GET /health；后端服务器按IP和权重列出。验证：systemctl restart haproxy && ss -ltnp | grep haproxy。
4.
VIP与故障切换（keepalived）
小分段：安装 keepalived，配置 /etc/keepalived/keepalived.conf，示例：
vrrp_instance VI_1 { state MASTER/ BACKUP; interface eth0; virtual_router_id 51; priority 100; authentication { auth_type PASS; auth_pass secret; } virtual_ipaddress { 10.0.0.100 } }
在备节点降低 priority 并设置 track_script 执行haproxy健康检查脚本。启动并测试：ip addr show 确认VIP漂移。
5.
数据库高可用：主从与群集
小分段：对MySQL可用两种方案：主从+VIP或Galera三节点。主从步骤：在主库执行 FLUSH TABLES WITH READ LOCK; SHOW MASTER STATUS; 导出二进制位置，导入到从库并运行 CHANGE MASTER TO MASTER_HOST='主IP', MASTER_USER='repl', MASTER_PASSWORD='pwd', MASTER_LOG_FILE='mysql-bin.000001', MASTER_LOG_POS=123; START SLAVE; 检查 SHOW SLAVE STATUS\\G。Galera则安装MariaDB+galera，配置wsrep_cluster_address，启动并检查状态。
6.
共享存储与文件同步
小分段：如果需要共享文件（会话/上传），推荐GlusterFS或NFS+rsync。GlusterFS三节点创建卷：gluster peer probe NODE2; gluster volume create gv0 replica 3 transport tcp NODE1:/data/gv0 NODE2:/data/gv0 NODE3:/data/gv0; gluster volume start gv0。NFS用于小规模：编辑 /etc/exports 并 exportfs -ra，客户端 mount -t nfs SERVER:/export /mnt。
7.
备份与恢复策略
小分段：数据库定时物理备份（mysqldump或xtrabackup），并保留多份到异地（建议在柬埔寨机房外也保留一份）；日志切割与同步（rsync+cron）；测试恢复流程：使用备份文件在测试环境进行恢复并核验一致性。
8.
监控平台部署（Prometheus + Grafana）
小分段：安装Prometheus，配置 scrape_configs 抓取 node_exporter(9100)、haproxy_exporter、mysqld_exporter。示例 prometheus.yml 中 job_name 和 targets 列表。安装 node_exporter：systemctl enable --now node_exporter。Grafana添加Prometheus为数据源，导入dashboards（Node Exporter Full、HAProxy、MySQL）。
9.
报警与自动化响应
小分段：使用Prometheus Alertmanager配置告警规则（实例不可用、CPU过高、磁盘满、主库断连等），配置邮件/Slack/微信告警。结合简单自动化脚本（通过Ansible/ssh）在必要时执行重启服务或切换VIP，所有自动化必须经过严格的限流与人工确认。
10.
健康检查与故障演练
小分段：实现多层健康检查：L4（端口）、L7（/health 返回200）、数据库检查（show slave status 或 mysql ping）。定期演练：断开主节点网络、停止haproxy、模拟磁盘满，验证VIP切换、从库提升与自动报警。记录每次演练的时间线与改进项。
11.
在柬埔寨机房的网络与运维注意点
小分段：注意机房链路冗余、上行出口可能单一，建议使用跨机房多可用区部署或使用支持浮动IP/BGP的服务。与机房运维保持SLA沟通，提前确认公网带宽、反向DNS、IP解封流程；并设置合理的带宽和DDoS防护策略。
12.
问答：如何验证VIP切换是否可靠？
问：如何在生产环境验证VIP在节点故障时能正确切换且不中断服务？
答：先在非高峰期做演练：在MASTER上停用keepalived或断网，观察VIP是否在数秒内漂移到BACKUP（ip addr show），并通过外部主机连续ping VIP、curl 应用健康接口，验证无明显超时；同时确保连接重试逻辑与会话粘性处理（如cookie或会话存储）已就绪。必要时记录重连时间并优化keepalived的advert_int和priority设置。
13.
问答：数据库主崩溃后如何快速恢复写服务？
问：主库故障时如何保证最短时间恢复写能力？
答：提前准备好快速提升流程：使用自动化脚本或手动将某从库提升为主库（STOP SLAVE; RESET SLAVE ALL; 设置应用指向新主），并更新VIP或DNS指向新主。如果使用Galera，确认一节点为Primary并重启集群；事后需重新建立原主作为从库并补齐二进制日志或进行全量同步。
14.
问答：监控误报与报警风控如何处理？
问：如何减少监控误报并保证报警可靠？
答：设置多条件告警（例如同时检测HTTP失败与CPU>90%才报警），使用抑制与分组（Alertmanager）合并相关告警，加入恢复自动化的确认步骤与人工确认环节；定期审核规则、阈值与数据采集频率，保证告警的可操作性与准确性。
来源：高可用架构在柬埔寨独立服务器上的实现方法与监控要点
