前言

对于集群的节点驱逐问题来说，我们可以通过集群心跳机制分为三大类：

1. 网络问题导致网络心跳超时发生的节点驱逐

2. 存储设备或链路问题导致磁盘心跳超时发生的节点驱逐

3. 服务器资源不足/CSSD进程故障导致本地心跳超时发生的节点驱逐

本文主要在上述三个心跳机制的方向下，简述几种常见的节点驱逐现象及成因，示例部分情况下的日志信息及排查方法，如有疏漏感谢指出。

1.网络心跳超时导致的集群节点驱逐

节点驱逐现象：

一般为集群软件重启（11.2及以上版本），操作系统重启（10g及11.1版本）。

机制原理：

集群的网络心跳由各节点的CSSD进程集群通过私网（Privat IP）网卡通信实现，网络心跳的timeout时间基于misscount参数，默认为30s，也就是说集群节点间cssd进程失联超过30s就会发生网络心跳超时导致的节点驱逐。对于我们常见的2节点集群，节点驱逐的规则一般为节点编号较小的节点保留，也就是说一般情况下的网络心跳超时存活的都是节点编号为1的节点。而在12.2版本出现了基于权重的节点驱逐特性，可以根据用户配置的权重或资源保证特定节点的存活。2节点及以上的更多节点的集群则是以节点数量作为优先存活标准。总的来说判断优先级为：节点数量>节点权重（12.2版本以上）>节点编号。

日志示例：

排查日志一般为cssd进程日志以及集群alert日志

cssd进程日志：