怎样用Ansible做灾备切换

下面从思路 → 架构 → 实战示例 → 注意事项四个层面，讲清楚如何用 Ansible 做灾备切换（DR Switchover / Failover）。

一、先明确：灾备切换的类型

在动手前，先区分两种场景：

Ansible 本身不是调度系统，而是执行引擎，通常配合：

• 监控系统（Zabbix / Prometheus）
• 定时任务（cron / AWX）
• 外部触发器（Webhook）

二、典型灾备架构（示例）

生产中心 (Primary)
 ├─ DB (MySQL/PG)
 ├─ 应用 (Nginx + App)
 └─ VIP / DNS

灾备中心 (Standby)
 ├─ DB (Slave / 只读)
 ├─ 应用 (停止 or 待命)
 └─ VIP / DNS

切换目标：

1. 停止生产应用
2. 提升灾备 DB 为主
3. 启动灾备应用
4. 切换 VIP 或 DNS

三、Ansible 灾备切换核心设计

1️⃣ 主机分组（inventory）

[primary]
db1 ansible_host=10.0.0.11
app1 ansible_host=10.0.0.12

[standby]
db2 ansible_host=10.0.1.11
app2 ansible_host=10.0.1.12

[dr:children]
primary
standby

2️⃣ 切换 Playbook 示例（Failover）

✅ 主流程 playbook：dr_failover.yml

- name: DR Failover
  hosts: all
  become: yes
  serial: 1

  tasks:
    - name: Stop primary app
      systemd:
        name: myapp
        state: stopped
      when: inventory_hostname in groups['primary']

    - name: Promote standby DB
      shell: pg_ctl promote
      when: inventory_hostname in groups['standby']

    - name: Start standby app
      systemd:
        name: myapp
        state: started
      when: inventory_hostname in groups['standby']

    - name: Switch VIP
      include_tasks: switch_vip.yml
      when: inventory_hostname in groups['standby']

3️⃣ VIP / DNS 切换（关键）

VIP 切换示例（keepalived）

- name: Disable VIP on primary
  systemd:
    name: keepalived
    state: stopped
  when: inventory_hostname in groups['primary']

- name: Enable VIP on standby
  systemd:
    name: keepalived
    state: started
  when: inventory_hostname in groups['standby']

DNS 切换（推荐用 API）

- name: Update DNS to standby
  uri:
    url: https://dns-api.example.com/update
    method: POST
    body:
      record: app.example.com
      value: 10.0.1.12

四、提高可靠性的关键设计

✅ 1. 幂等性

• 所有任务必须可重复执行
• 使用 when、stat、changed_when

✅ 2. 前置检查（非常重要）

- name: Check DB replication lag
  shell: check_lag.sh
  register: lag
  failed_when: lag.stdout|int > 10

✅ 3. 回滚 Playbook

dr_rollback.yml

• 恢复主中心
• 重新建立复制
• 切回 VIP

五、生产建议架构

Prometheus / Zabbix
        ↓ (alert)
Ansible AWX / Tower
        ↓
dr_failover.yml

推荐：

• AWX / Ansible Automation Controller
• 手动确认按钮（防止误切）
• 操作审计日志

六、常见坑

❌ 直接用 Ansible 做自动故障检测
✅ 用监控触发 Ansible

❌ 忽略数据一致性
✅ 先停写、再切换

❌ 不考虑脑裂
✅ 用 fencing / VIP 控制

七、我可以继续帮你做的

你可以告诉我：

• 用的是 MySQL / PostgreSQL / Oracle？
• 是 同机房 / 跨机房 / 多云？
• 想做 演练 / 真实故障切换？

我可以直接给你一份可落地的完整 Ansible 灾备项目结构。