一、机房的噩梦：物理机冒烟了
搬进集群的前一天，老周给小陈讲了个真实故事：
"我以前在一家公司，凌晨三点，机房一台物理服务器'啪'地一声——电源模块烧了。那台机器上跑着公司的订单系统。结果：订单系统下线 6 小时，公司损失了几十万。 从那以后我明白了一件事：单台物理机 = 定时炸弹，你不知道它什么时候爆，但你知道它一定会爆。"
"物理机都会坏：电源、硬盘、内存、主板……这是必然。所以专业的虚拟化必须解决：一台物理机挂了，业务不能挂。 答案就是——集群。"
二、集群（Cluster）：多台 ESXi 组成"一个整体"
老周画图：
集群（Cluster）= 多台 ESXi + vCenter 统一管理 = 一个资源池
┌────────────────────────────────────────┐
│ Cluster：云间书店生产集群 │
│ ├── ESXi-01（8核 64G） │
│ ├── ESXi-02（8核 64G） │
│ └── ESXi-03（8核 64G） │
│ 总资源：24 核 192G（可用的"池子"） │
│ VM 们：web/db/cache/ai...（散落各处） │
└────────────────────────────────────────┘
"集群的意义：把多台 ESXi 的 CPU、内存合并成一个'资源池'，VM 可以在池子里自由流动。 单台 ESXi 是一间房，集群是一栋楼——房间（主机）坏了，住客（VM）搬到别的房间，楼还是好的。"
"集群是三个王牌功能的地基：HA、DRS、vMotion。一个一个来。"
三、vMotion：不停机的"瞬移"
"先讲最神奇的一个：vMotion——虚拟机在运行状态下，从一台 ESXi 平滑迁移到另一台，业务零中断。"老周演示：
vMotion 迁移过程（用户无感知）：
① 把 VM 的内存状态（所有运行中的数据）复制到目标主机
② 复制完成后，瞬间切换（零点几秒）
③ 磁盘在共享存储上，不用搬（这就是共享存储的意义！）
→ 整个过程业务不断，用户感觉不到任何变化
vMotion 的前提条件：
- 共享存储（VM 磁盘两边都能访问）
- 两台 ESXi 的 CPU 兼容（同代 CPU 最好）
- 网络带宽足够（内存要"传"过去）
用途：
- 物理机要维护：vMotion 把 VM 迁走，主机随便折腾
- 负载均衡：某台主机太忙，把 VM 迁到闲的主机
- 升级 ESXi：迁走所有 VM，主机升级再迁回来
"vMotion 是'不宕机维护'的神器。 以前物理机维护要停机，现在 vMotion 一拖，业务不断——这就是虚拟化的'活'。"
四、HA（High Availability）：主机挂了，VM 自动重启
"vMotion 是'主动迁移'（我让它走）。HA 是'被动救火'（主机挂了，VM 自动活过来）。"老周说：
HA（High Availability，高可用）：
原理：
① 集群里的每台 ESXi 都盯着彼此（心跳检测）
② ESXi-01 突然挂了（宕机/断电）
③ 其他主机发现"ESXi-01 失联了"
④ ESXi-01 上的 VM 自动在别的活着的主机上重启
⑤ 业务中断时间 = VM 重启的时间（几分钟，不是几小时）
注意：HA 是"重启"不是"无中断"！
- 挂了之后：VM 需要重新开机（像电脑突然断电后重启）
- 中断时间：几分钟（比 6 小时的物理机事故好太多）
前提条件：
- 共享存储（VM 文件别的主机要能读到）
- 集群内主机数 ≥ 2
- 配置"主机故障隔离"响应（HA 心跳网络）
云间书店的 HA 配置：
- 3 台 ESXi 组成集群，启用 HA
- 允许"1 台主机故障"的冗余（还能剩 2 台扛住）
"HA 的意义：把'物理机故障 6 小时'变成'VM 自动重启 5 分钟'。 不是零停机，但是'自动恢复'——半夜没人管，网站也能自己爬起来。"
五、DRS（Distributed Resource Scheduler）：智能负载均衡
"第三张王牌：DRS——自动把 VM 分配到最合适的主机上。"老周说：
DRS（Distributed Resource Scheduler，分布式资源调度）：
问题：3 台主机，ESXi-01 跑满了，ESXi-02 闲着
方案：DRS 自动把 ESXi-01 上的一些 VM vMotion 到 ESXi-02
原理：
① 持续监控每台主机的 CPU/内存负载
② 发现负载不均 → 自动迁移 VM（用 vMotion）
③ 保证整个集群负载均衡（谁闲 VM 往谁那跑）
DRS 的三种模式：
- 手动：只给建议，人来执行（保守）
- 半自动：给出迁移建议+自动放置新 VM
- 全自动：自动迁移（生产推荐，配合维护窗口）
云间书店 DRS 配置：
- 启用 DRS（全自动）
- 规则："web-01 和 db-01 必须分开主机"（防止同归于尽）
- 维护模式：某台主机进维护前，DRS 自动迁走它的 VM
"DRS = 集群的'自动管家'：把 VM 放在最合适的主机，让每台主机都不闲着、不过载。配合 vMotion，整个集群'自己会呼吸'。"
六、FT（Fault Tolerance）：连重启都不用等的极致保护
"最后介绍一个'贵但极致'的功能：Fault Tolerance（容错）。"老周说：
FT（Fault Tolerance，容错）：
原理：一台 VM 在 ESXi-01 运行的同时，
在 ESXi-02 上跑一个"影子副本"（一模一样的实时复制）
ESXi-01 挂了 → 影子副本无缝接管 → 业务零中断！
对比：
没有 HA/FT：挂了 → 停机 6 小时
HA ：挂了 → 自动重启 → 停机几分钟
FT ：挂了 → 无缝切换 → 零停机！
代价：
- FT 对 VM 有严格限制（只能 1 个 vCPU，磁盘类型受限等）
- 需要两倍资源（主 + 影子）
- 所以只给"绝对不能断"的系统用
云间书店的决策：
数据库 db-01 太关键 → 给 FT？（先评估：vCPU 限制会影响性能）
最终：db-01 用 HA + 定期备份（第八章）就够了
FT 留给"支付对账"这种打死不能断的服务
"记住取舍：HA 是'标配'，FT 是'奢侈品'。 大部分系统 HA 足够，FT 只给命根子用。"
七、章末：老周的第五层总结
第五层：集群与高可用
├── 集群：多台 ESXi = 一个资源池（VM 自由流动）
├── vMotion：运行中迁移，业务零中断（维护神器）
├── HA：主机挂了，VM 自动在别处重启（5 分钟 vs 6 小时）
├── DRS：自动负载均衡（谁闲 VM 往谁那跑）
└── FT：影子副本无缝接管（零停机，但贵，只给命根子）
"小陈，有了集群，云间书店的虚拟化算是有'骨架'了。但你还记得第二章的'超分'吗？——7 台 VM 配置了 17 个 vCPU，物理机才 8 核。如果集群里资源真的不够了，VM 之间会怎么抢？谁优先？谁让路？"
"这个……"小陈摇头。
"这就是下一层——资源管理。份额（Shares）、预留（Reservation）、限制（Limit）三兄弟，还有资源池——搞清楚它们，你才能真正'管'住一个集群，而不是被集群'管'住。下一章见。"