摘要：在做vSphere时一个常用的功能是HA，HA包含主机故障检测、虚拟机异常检测。关于虚拟机相关参数调整的介绍较多，但是对于主机高级参数以及主机故障后HA如何工作的文章较少，本文章主要介绍主机故障时HA工作机制以及虚拟机在多久应该可以重启/恢复
在HA中，主机有两种觉得，Master 以及 Slave角色，这两种角色主机故障时，虚拟机恢复时间是不同的
1、Slave 主机发生故障
Slave 发生故障时，时间轴如下：
- T0 – Slave 主机故障发生。
- T3s – Master主机开始检查存储心跳，持续15秒。
- T10s – 主机被宣告为不可达，Master 主机会ping 故障主机的网关地址，持续ping 5秒钟。
- T15s – 如果没有配置存储心跳检查，则主机会被宣告为故障。
- T18s – 如果配置了存储心跳，则主机被宣告故障。
Master主机会监控Slave主机的网络心跳，如果Slave发生故障，则Master会收不到Slave的心跳，我们将此时标记为T0。如果配置HA时配置了存储心跳，则从第三秒开始，Master会检查存储心跳，持续15秒（所以配置了存储心跳后，理论上18秒后才会进行虚拟机重启）。在第10秒，如果网络和存储心跳检查都失败，则主机被标记为“不可达”。在第10秒，Master主机同时会ping Slave主机的管理网络网关，持续ping 5秒钟。到第15秒，如果没有配置存储心跳，则主机被标记为故障， 虚拟机会进行重启操作。到第18秒，如果配置了存储心跳，则主机被标记为故障。
2、Master主机故障
- T0 – Master 主机故障
- T10s – 新Master 选举
- T25s – 新Master 选举完成，并读取保护列表 protectedlist。
- T35s – 新Master 开始重启在保护列表中，但是未运行的虚拟机。
如果Slave主机未从Master收到网络心跳，我们将此时间定义为T0。每个集群必须有一个Master，因此Slave主机们在T10进行选举，选举过程需要15秒完成，因此到了T25。在25秒时，新的Master主机读取保护列表，列表中包含受保护的VM列表。在第35s时，Master重启那些在受保护列表中但未运行的虚拟机。
3、虚拟机启动时间轴
最后，是虚拟机如何被Master主机启动。
- T0 – 初始重启
- T2m – 第一次重试重启
- T6m – 第二次重试重启
- T14m – 第三次重试重启
- T30m – 第四次重试重启
在Master主机第一次启动虚拟机时，我们将其标记为T0分钟。如果初始启动失败，则在两分钟后进行第一次重试，6分钟后进行第二次重试，依图依次。默认最大重启次数为5次，此值可以通过vCenter高级参数 “das.maxvmrestartcount” 来修改
总结
按照上文的描述，虚拟机重启时间最短可能为20秒左右，最长可能达到30分钟。在实际测试中，我们得出的平均时间是2分30秒，此时间应该刚好是主机故障后，Master第一次重试启动后时间。