Übernahme bei Ausfall

Was ist ein Hochverfügbarkeits-Cluster?

High Availability Cluster, kurz HA-Cluster

Ein Hochverfügbarkeits-Cluster, kurz HA-Cluster, ist ein Verbund aus mindestens zwei Servern, den Knoten, die gemeinsam einen Dienst wie eine Datenbank oder einen Dateiserver bereitstellen. Fällt ein Knoten aus, startet die Cluster-Software den Dienst automatisch auf einem anderen Knoten neu, sodass die Unterbrechung Sekunden bis Minuten dauert statt Stunden.

Wenn nachts ein Server stirbt, entscheidet nicht die Hardware darüber, ob morgens jemand arbeiten kann, sondern ob die Übernahme vorher schon einmal geprobt wurde.

KI-generiertDieses Bild wurde mit KI erzeugt · Yves Hoppe / KI / cmt
Schützt vor
Ausfall eines Servers, nicht vor Datenfehlern
Bausteine
Heartbeat, Quorum, Fencing, Ressourcen
Typische Software
Pacemaker mit Corosync, Windows Server Failover Clustering, vSphere HA
Verwechselt mit
Backup und Load Balancer

Wie ein HA-Cluster funktioniert

Die Knoten tauschen über ein eigenes Netz ständig Lebenszeichen aus, den Heartbeat. Was der Cluster verwaltet, heißt Ressource: eine virtuelle IP-Adresse, unter der die Clients den Dienst erreichen, ein Dateisystem oder eine Datenplatte und der Dienst selbst. Zusammengehörige Ressourcen bilden eine Gruppe, die immer gemeinsam auf demselben Knoten läuft und gemeinsam umzieht.

Bleibt der Heartbeat eines Knotens länger als die eingestellte Wartezeit aus, läuft die Übernahme, der Failover, in einer festen Reihenfolge ab:

  1. Ausfall erkennen

    Die übrigen Knoten bemerken, dass ein Mitglied nicht mehr antwortet, und stimmen sich darüber ab.

  2. Quorum prüfen

    Nur die Seite, die die Mehrheit der Stimmen hat, darf überhaupt weiterarbeiten.

  3. Fencing

    Der verdächtige Knoten wird hart abgeschaltet oder vom Speicher getrennt, damit er garantiert nichts mehr schreibt.

  4. Ressourcen starten

    Ein verbliebener Knoten hängt das Dateisystem ein, übernimmt die virtuelle IP-Adresse und startet den Dienst.

  5. Clients verbinden neu

    Anwendungen bauen ihre Verbindung zur selben Adresse wieder auf und arbeiten weiter.

Neben dem Ausfall gibt es den geplanten Schwenk, den Switchover. Damit verschiebst du die Dienste vor einem Update bewusst auf den anderen Knoten, patchst den freien Knoten und schwenkst zurück. Gerade dieser Nutzen im Wartungsalltag ist für viele Betriebe der eigentliche Grund für einen Cluster.

Quorum: Wer darf weitermachen?

Das Quorum ist die Mehrheitsregel des Clusters. Jeder Knoten hat eine Stimme, und Dienste laufen nur dort, wo mehr als die Hälfte aller Stimmen zusammenkommt. Reißt die Verbindung zwischen zwei Gruppen von Knoten ab, kann so nur eine Seite die Mehrheit haben, die andere hält ihre Dienste an.

Daraus folgt, warum zwei Knoten allein ein Problem sind: Trennen sie sich, hat keiner von beiden die Mehrheit. Ein zusätzlicher Zeuge löst das. Er steuert nur eine Stimme bei und trägt selbst keine Dienste, unter Linux ist das etwa ein Quorum-Gerät, unter Windows Server eine Dateifreigabe, ein Datenträger oder ein Cloud-Zeuge.

AufbauNötige StimmenVerkraftbare Ausfälle
2 Knoten ohne Zeugen2 von 20
2 Knoten mit Zeugen2 von 31
3 Knoten2 von 31
4 Knoten3 von 41
5 Knoten3 von 52

Die Tabelle zeigt die einfache Mehrheitsregel. Manche Produkte passen die Stimmen im laufenden Betrieb an oder kennen Sonderregeln für zwei Knoten, die Grundidee bleibt aber gleich: Ein vierter Knoten bringt bei der Ausfallsicherheit nichts gegenüber dreien, erst der fünfte erlaubt zwei gleichzeitige Ausfälle.

Fencing und STONITH verhindern Split Brain

Die gefährlichste Lage ist nicht der Ausfall eines Knotens, sondern der Abriss der Verbindung zwischen zwei Knoten, die beide weiterlaufen. Beide halten sich für den Überlebenden, beide starten den Dienst, beide schreiben auf dieselben Daten. Diesen Zustand nennt man Split Brain, und er endet mit einem zerstörten Datenbestand.

Fencing stellt sicher, dass ein Knoten, dessen Zustand unklar ist, wirklich stillsteht, bevor ein anderer übernimmt. Im Linux-Umfeld heißt das auch STONITH, kurz für „Shoot The Other Node In The Head“. Üblich sind drei Wege: Abschalten über die Fernwartungskarte des Servers (IPMI, iLO, iDRAC), über eine schaltbare Stromleiste oder über eine kleine gemeinsame Platte, auf der der Cluster dem Knoten den Befehl zum Selbstabschalten hinterlegt. Bei virtuellen Maschinen übernimmt das der Hypervisor.

Fencing ist keine Kür. SUSE etwa unterstützt Cluster ohne aktiviertes STONITH ausdrücklich nicht, und auch die Pacemaker-Dokumentation behandelt es als Voraussetzung für einen sicheren Betrieb.

Aktiv-passiv oder aktiv-aktiv

Im aktiv-passiven Aufbau läuft der Dienst auf einem Knoten, der zweite wartet und übernimmt bei Bedarf. Das ist leicht zu verstehen, gut zu testen und für die meisten Anwendungen ausreichend. Der Preis ist Hardware, die im Normalbetrieb nichts tut.

Im aktiv-aktiven Aufbau arbeiten mehrere Knoten gleichzeitig und teilen sich die Last, oder jeder Knoten trägt einen eigenen Dienst und springt für den anderen ein. Das setzt voraus, dass die Anwendung gleichzeitiges Schreiben verkraftet. Viele Datenbanken bieten das an, aber mit Einschränkungen bei Sperren und Konsistenz, die du vor der Entscheidung kennen solltest. Außerdem muss jeder Knoten im Ernstfall die Last beider tragen können, sonst wird aus dem Ausfall eine Überlastung.

Gemeinsamer Speicher oder Replikation

Damit der übernehmende Knoten mit den aktuellen Daten weiterarbeiten kann, gibt es zwei Bauarten. Beim gemeinsamen Speicher hängen alle Knoten an demselben SAN oder NAS, und immer nur der aktive Knoten bindet das Dateisystem ein. Das ist einfach, aber der Speicher selbst wird zum einzelnen Ausfallpunkt und braucht eigene Redundanz.

Bei der Replikation hat jeder Knoten eigene Platten, und die Daten werden laufend auf die anderen Knoten übertragen, entweder auf Blockebene wie mit DRBD oder durch die Anwendung selbst, etwa bei PostgreSQL-Streaming-Replikation, SQL Server Always On oder SAP HANA System Replication. Synchrone Replikation bestätigt eine Schreiboperation erst, wenn sie auf beiden Seiten angekommen ist, und verliert beim Ausfall nichts. Asynchrone Replikation ist schneller, kann aber die letzten Sekunden verlieren.

Erst die Zielwerte, dann die Technik

Zwei Kennzahlen bestimmen den ganzen Entwurf. Die Recovery Time Objective (RTO) sagt, wie lange ein Dienst stillstehen darf. Die Recovery Point Objective (RPO) sagt, wie viele Minuten Arbeit im Ernstfall verloren gehen dürfen. Beides muss aus dem Fachbereich kommen, nicht aus der IT, denn nur dort weiß man, was eine Stunde Stillstand kostet.

In Verträgen und Betriebszielen wird Verfügbarkeit meist in Prozent angegeben. Was die Prozentwerte an erlaubter Ausfallzeit bedeuten, ist reine Rechnung:

VerfügbarkeitAusfall pro JahrAusfall pro Monat (30 Tage)
99 %rund 3,65 Tagerund 7,2 Stunden
99,9 %rund 8,8 Stundenrund 43 Minuten
99,95 %rund 4,4 Stundenrund 22 Minuten
99,99 %rund 53 Minutenrund 4,3 Minuten
99,999 %rund 5,3 Minutenrund 26 Sekunden

Ab 99,99 Prozent reicht ein einzelner Failover von einigen Minuten schon, um das Monatsziel zu reißen. Solche Werte erreichst du nur, wenn auch Netz, Speicher, Strom und die Anwendung selbst redundant sind. Ein Cluster, dessen Umschaltung nie unter Last getestet wurde, hat übrigens keinen belegbaren RTO-Wert, sondern nur eine Hoffnung.

Wo dir HA-Cluster im Alltag begegnen

Hochverfügbarkeit steckt in vielen Produkten, oft unter eigenem Namen. Das Prinzip aus Heartbeat, Quorum und automatischem Neustart ist überall dasselbe:

  • Pacemaker mit Corosync

    Der Standard unter Linux, enthalten etwa im High Availability Add-On von Red Hat und in der SUSE Linux Enterprise High Availability Extension.

  • Windows Server Failover Clustering

    Die Cluster-Funktion von Windows Server, Grundlage für hochverfügbare Hyper-V-Hosts, Dateiserver und SQL-Server-Instanzen.

  • Virtualisierung

    VMware vSphere HA und Proxmox VE starten virtuelle Maschinen eines ausgefallenen Hosts automatisch auf einem anderen Host neu.

  • Kubernetes

    Die Steuerebene hält ihren Zustand in etcd, das ebenfalls per Mehrheit entscheidet, und ausgefallene Pods werden auf anderen Knoten neu gestartet.

KI-generiertDieses Bild wurde mit KI erzeugt · Yves Hoppe / KI / cmt
Nicht verwechseln

Hochverfügbarkeits-Cluster und was oft damit gleichgesetzt wird

Hochverfügbarkeits-Cluster gegen Backup

Ein Cluster schützt vor Hardware- und Softwareausfall, nicht vor Löschen, Verschlüsselung durch Ransomware oder fehlerhaften Änderungen. Solche Fehler treffen alle Knoten gleichermaßen, weil diese denselben Speicher benutzen oder die Änderung sofort repliziert bekommen. Ohne getrennte, nicht veränderbare Sicherung sind die Daten trotz Cluster ungeschützt.

Hochverfügbarkeits-Cluster gegen Load Balancer

Ein Load Balancer verteilt Anfragen auf mehrere gleichartige Instanzen, um mehr Durchsatz zu erreichen, und nimmt ausgefallene Instanzen aus der Verteilung. Für zustandslose Webanwendungen ist das schon Hochverfügbarkeit, für Dienste mit eigenem Datenbestand fehlen Quorum, Fencing und die Übernahme der Daten.

Hochverfügbarkeits-Cluster gegen Fehlertoleranz

Fehlertolerante Systeme laufen auf zwei Rechnern im Gleichschritt, sodass ein Ausfall ohne jede Unterbrechung abgefangen wird, etwa VMware Fault Tolerance. Ein HA-Cluster startet den Dienst dagegen neu, die Unterbrechung ist kurz, aber vorhanden.

Hochverfügbarkeits-Cluster gegen Disaster Recovery

Ein HA-Cluster steht meist in einem Rechenzentrum und überlebt keinen Brand oder Stromausfall des ganzen Standorts. Disaster Recovery plant für diesen Fall einen zweiten Standort mit eigener Replikation, meist mit längeren Umschaltzeiten und einer manuellen Entscheidung.

KI-generiertDieses Bild wurde mit KI erzeugt · Yves Hoppe / KI / cmt
In der Praxis

Ein Cluster fällt selten aus, er kippt

Der unauffälligste Fehler ist der Cluster, der seit Wochen nur noch auf einem Knoten läuft. Die Dienste sind erreichbar, niemand merkt etwas, und beim nächsten Ausfall gibt es keinen Partner mehr. Ein Monitoring, das den Zustand des Clusters meldet und nicht nur die Erreichbarkeit des Dienstes, gehört deshalb zur Grundausstattung.

Beim Zeugen lohnt ein zweiter Blick. Steht er im selben Rack und hängt am selben Stromkreis wie einer der Knoten, fällt er mit diesem Knoten zusammen aus, und die Mehrheit ist weg. Ein Zeuge gehört in einen anderen Brandabschnitt oder in die Cloud.

Bei der ersten echten Übernahme scheitert es fast nie an der Cluster-Software, sondern an dem, was drumherum hängt: eine Lizenz, die an eine Netzwerkkennung gebunden ist, ein Dienst, der beim Start eine Freigabe erwartet, ein leerer Zwischenspeicher, der die Anwendung eine Stunde lang zäh macht. Deshalb gehört ein bewusst ausgelöster Schwenk in jedes Wartungsfenster, nicht nur in die Abnahme.

Hochverfügbarkeits-Cluster lernen

Wie sich Quorum, Fencing und Ressourcenagenten sauber konfigurieren lassen, üben die Kurse zu SUSE Linux Enterprise an einem echten Verbund.

Weil viele Cluster auf virtueller Hardware laufen, lohnt sich der Blick in die Kurse zur Virtualisierung im Rechenzentrum gleich mit.

Wissen prüfen

Sitzt Hochverfügbarkeits-Cluster schon?

Lesen fühlt sich schnell nach Können an. Ein kurzer Test zeigt dir, was davon schon sitzt und wo sich ein Kurs lohnt. Kostenlos, ohne Anmeldung, mit einer Erklärung zu jeder Antwort.

Häufige Fragen

Was bedeutet HA bei Servern?
HA steht für High Availability, auf Deutsch Hochverfügbarkeit. Gemeint ist, dass ein Dienst auch beim Ausfall einzelner Komponenten erreichbar bleibt. Ein HA-Cluster ist der verbreitetste Weg dorthin, daneben gibt es Load Balancer, Replikation und Fehlertoleranz.
Was passiert beim Failover mit laufenden Verbindungen?
Sie brechen ab. Offene Datenbanktransaktionen werden zurückgerollt, angemeldete Sitzungen können verloren gehen. Anwendungen sollten deshalb Verbindungen selbstständig neu aufbauen und Vorgänge wiederholen können, sonst merkt der Anwender den Schwenk trotz Cluster deutlich.
Wie oft sollte der Failover getestet werden?
Mindestens einmal im Jahr und nach jeder größeren Änderung an Betriebssystem, Speicher oder Anwendung. Ein Test unter Last bringt dabei mehr als ein Test im Leerlauf, weil sich Zeitüberschreitungen und Sperren erst dann zeigen.
Lohnt sich ein HA-Cluster für jedes System?
Nein. Wenn eine Wiederherstellung aus der Sicherung innerhalb weniger Stunden fachlich reicht, bringt ein Cluster vor allem zusätzliche Komplexität, und Fehlkonfigurationen im Cluster verursachen selbst Ausfälle. Er lohnt sich dort, wo die vereinbarte Ausfallzeit kürzer ist als jede Wiederherstellung.
Ist ein Kubernetes-Cluster automatisch hochverfügbar?
Nur teilweise. Kubernetes startet ausgefallene Pods auf anderen Knoten neu, aber die Steuerebene braucht dafür mindestens drei etcd-Mitglieder, und eine Anwendung mit nur einer Instanz steht beim Neustart trotzdem still. Für Datenbanken im Cluster brauchst du zusätzlich eine Replikation der Daten.

Passt thematisch dazu

Wie Quorum, HA-Gruppen und Fencing in einem konkreten Aufbau zusammenspielen, zeigt die Anleitung, wie du einen Proxmox-Cluster mit drei Nodes und Fencing einrichtest.

Weil ein Cluster jeden Datenfehler sofort mitnimmt, braucht er eine Sicherungsstrategie mit unveränderbaren Kopien als zweite Verteidigungslinie.

Persönlich für dich da

Deine Ansprechpartner

Du willst das Thema nicht nur nachschlagen, sondern anwenden können? Wir beraten dich persönlich und kostenlos.

Yves Hoppe

Yves Hoppe

Weiterbildung & Beratung

Ordnet mit dir ein, welcher Kurs zu deinem Vorwissen passt.

Norbert Jansen

Norbert Jansen

Beratung & Inhouse

Plant Inhouse-Trainings, die an euren eigenen Daten und Abläufen ansetzen.

Hochverfügbarkeits-Cluster im Kurs statt im Lexikon

Nachschlagen bringt dich bis zum Verstehen. Anwenden lernst du an echten Aufgaben.