小编eri*_*law的帖子

我正在监视服务器上的 TCP 堆栈，希望能够推断出盒子上的应用程序存在的问题。

我的第一个倾向是测量所有报告状态（LISTEN、ESTABLISHED、FIN_WAIT2、TIME_WAIT 等）中的套接字数量并检测一些异常情况。

一位队友建议“lsof”将是一个更好的工具来查看 TCP 堆栈处于什么状态。

服务器故障人群的任何偏好或经验提示？

我有几种情况，我需要在发生故障（服务器挂起或崩溃）时将应用程序从一台服务器迁移到另一台服务器。

在solaris 上，我们使用VCS (Veritas Cluster Server) 执行此操作。Linux 有哪些可用的选项？

请说明设置/维护的努力程度或每个人的成本（如果有的话）。

-- 添加了更多详细信息 --

给出复杂程度的概念：

• 失败的服务器可能会在没有通知的情况下挂起或崩溃，可能仍然是“可以 ping 通的”
• 恢复服务器需要在故障转移时启动它的应用程序
• 一旦失败的服务器启动/电源循环，它就会变得被动，不会干扰恢复服务器。

这是一个数据收集或计算节点，而不是一个数据库，所以更简单的解决方案可以工作。

——更多细节（抱歉）——

共享存储不是一种选择，但不需要太多状态（如果有）从一台服务器迁移到另一台服务器。我们通过 rsync 保持两台服务器同步。

非常感谢您到目前为止的所有帖子。