简介一份面向VMware虚拟化运维人员与架构师的vSphere 6.7 HA高可用环境搭建完整实施文档帮助解决生产环境与实验室中HA集群部署的关键问题。资源为单个docx文档压缩包大小约2.36MB内容详实且结构清晰适合按步骤对照操作。已有728人学习下载受到同类岗位技术人员关注。文档基于vCenter与多台ESXi主机展开覆盖网络规划、标准/分布式交换机配置、iSCSI存储接入、HA集群创建与优化并附虚拟机配置、迁移测试及模拟物理故障测试等实战环节最后还记录了部署过程中的典型问题与解决思路。通过该文档可系统掌握vSphere 6.7 HA环境的完整搭建流程与排错方法。1. 把 vSphere 6.7 HA 从搭建到验收讲透这套环境的规划思路最值钱很多运维拿到 vSphere 6.7 HA 的搭建任务第一反应是打开 vCenter 新建集群、勾选 HA、添加主机结果做完才发现 vMotion 网络没通、存储心跳走了管理网、故障切换时虚拟机起不来。HA 不是开关它由一堆前置条件支撑。这份文档最大的价值在于提供了完整可复现的实验环境——vCenter、两台 ESXi、FreeNAS 全跑在虚拟机里管理网、vMotion 网、存储网、生产网四网分离并完成了迁移测试和模拟物理故障测试。整条链路从网络规划、集群配置、存储对接、分布式交换机到 HA 验证都有详细参数记录。适合两类人一类是刚接手虚拟化、准备在测试环境完整走一遍 HA 流程的新手另一类是要上生产、想提前确认网络和存储规划有没有坑的运维。2. 网络规划选型四张网怎么分直接决定 HA 故障切换灵不灵2.1 管理网络、vMotion、存储、生产一张表看懂职责边界vSphere HA 的故障切换本质是ESXi 主机通过管理网络互相发送心跳一旦某台主机失联集群里其他主机要能接管它的虚拟机。接管的前提是——虚拟机的磁盘文件放在共享存储上且其他主机能通过 vMotion 网络把虚拟机内存状态拉起来。所以网络规划不是「能通就行」而是每张网都有明确职责。这份文档的环境里vCenter 跑在 ESXi 内的一台虚拟机上管理 IP 192.168.1.78ESXi-01 和 ESXi-02 是同一台物理 ESXi192.168.1.7内的两台虚拟机管理 IP 分别为 192.168.1.201 和 192.168.1.202。FreeNAS 存储也是虚拟机管理 IP 192.168.1.203。整套环境是典型的嵌套虚拟化Nested Virtualization生产环境不会这么搭但用来验证配置逻辑完全够。看文档里的网络表格会更清楚网络用途网段虚拟交换机交换机类型物理网卡VMKernel 网卡端口组管理网络192.168.1.0/24vSwitch0标准交换机vmnic0Vmk0VM NetworkvMotion 网络192.168.10.0/24DSwitch01分布式交换机vmnic4Vmk1DSwitch01-Vmotion存储网络iSCSI192.168.100.0/24vSwitch2标准交换机vmnic2Vmk2Vmkernel-nas生产网络192.168.1.0/24Pro_Net_Switch分布式交换机vmnic3无端口组专用DPortGrop-Pro注意文档里那句「每个网卡只能对应一个虚拟机交换机」这在嵌套环境里尤其容易翻车。因为 ESXi 本身是虚拟机它能把多个虚拟网卡都识别为物理网卡但每个 vmnic 一旦绑定到某个虚拟交换机就不能再被另一个虚拟交换机使用。2.2 为什么 vMotion 单独走一张网而且必须用分布式交换机先把结论放在前面vMotion 网络如果不隔离HA 故障切换时内存数据会和管理流量抢带宽迁移时间可能从几秒拖到几分钟甚至导致 HA 响应超时。单独一张网是最低要求。**文档里两台 ESXi 的 vMotion 都走 DSwitch01 分布式交换机IP 分别是 192.168.10.201 和 192.168.10.202。用分布式交换机而不是标准交换机核心原因有两个vMotion 需要跨主机保持一致。如果用标准交换机每台 ESXi 上都要手动创建同名端口组只要有一台的 VLAN ID 或 MTU 配置不一致vMotion 就会失败。分布式交换机把端口组配置集中到 vCenter主机加入后自动同步少了一个出错点。后续做 LACP 链路聚合更方便。分布式交换机支持将多个上行链路绑定为链路聚合组LAG对 vMotion 这种大流量场景有实际收益。标准交换机虽然也支持绑定但配置分散且能力有限。在实际配置里我一般会在分布式交换机上给 vMotion 端口组设置独立的 MTU 9000。如果物理交换机支持vMotion 走巨型帧能明显降低大虚拟机迁移时的 CPU 开销。但注意MTU 必须全网一致——从 ESXi 的 vmknic、分布式交换机端口组到物理交换机端口任何一环没对齐vMotion 就会变成「能通但速度极慢」。2.3 存储网络选 iSCSI 还是 NFSFreeNAS 场景下的选择逻辑文档里存储用的是 FreeNAS连接方式是 iSCSI。这里有个关键点ESXi 访问 iSCSI 存储需要单独的 VMkernel 适配器它的职责是承载 iSCSI 流量不能和管理网络共用 IP。在文档的 4.3 节里ESXi-01 添加存储网络的步骤很典型在主机上点击 VMkernel 适配器 → 添加网络选择 VMkernel 网络适配器新建标准交换机分配对应物理网卡vmnic2配置端口属性勾选 iSCSI 相关服务文档里虽然没细写但这一步必须勾选配置 IP 192.168.100.201这里有个嵌套环境特有的坑FreeNAS 和 ESXi 都是虚拟机存储流量会经过虚拟化层性能损耗是必然的但用于功能验证没问题。生产环境如果预算允许优先用 FCFibre Channel或独立网卡的 iSCSI如果只有千兆网卡建议至少给存储网络做绑定团队里常说的「双网卡绑一起」避免单网卡故障导致存储链路中断。提示iSCSI 存储网络不要和生产网络共用 VLAN最好物理隔离或至少端口隔离。原因很简单——存储流量带宽敏感一旦生产网络有广播风暴或异常流量存储延迟飙升HA 心跳和存储 IO 都会受影响。2.4 生产网络放分布式交换机端口组规划与上行链路分配文档里生产网络也走了分布式交换机Pro_Net_Switch端口组叫 DPortGrop-Pro绑定的物理网卡是 vmnic3。这个设计和 vMotion 网络分离的考虑在于生产流量和 vMotion 流量性质不同前者要求低延迟、稳定连接后者要求高带宽、突发传输混在一起互相拖累。配置生产网络的分布式交换机时注意以下几点上行链路分配分布式交换机可以定义多个上行链路按负载均衡策略分配流量。但嵌套环境下物理网卡资源受限不要贪多。VLAN 划分如果生产环境有多业务隔离需求在分布式交换机端口组上设置 VLAN 比在标准交换机上更集中而且虚拟机迁移到另一台主机时 VLAN 配置跟随端口组不用改虚拟机配置。端口组命名规范文档里用了 DPortGrop-Pro 这种带业务标识的名字生产环境建议带上业务名和网段比如 Pro_Web_192.168.1.0避免时间久了满屏 DPortGrop 不知道哪个是哪个。3. 集群配置实操从新建集群到 DRS 自动化参数怎么选3.1 创建集群的完整步骤与主机添加顺序文档 4.1 节的流程是数据中心右键 → 新建集群 → 快速入门 → 添加主机。有几个容易被忽略的操作细节添加主机前ESXi 必须置于维护模式。这不是强制要求但文档明确建议这么做目的是让主机在加入集群时不会因为已有虚拟机运行而触发 HA 重新平衡。尤其在 HA 开启后主机加入集群可能需要迁移虚拟机维护模式可以避免这个过程中出现意外。vCenter 里添加主机的认证需要 root 账号密码ESXi 的 SSH 服务不一定要开vCenter 通过自身通道管理主机。如果你后续要排查网络问题建议顺手把 SSH 打开但生产环境保持默认关闭。快速入门页面的引导vCenter 6.7 的「配置集群」向导会把添加主机、配置分布式交换机、创建虚拟机都串起来。文档里提到「配置分布式交换机开始配置配置完成」说明集群配置过程中可以直接创建分布式交换机不用单独去网络模块里新建。一个常见的误区是先手动在某台 ESXi 上创建了标准交换机再把它拖进集群。这会导致 vCenter 认为网络配置不一致主机 A 有 vSwitch2主机 B 没有HA 的健康检查会报错。正确的顺序是先创建集群 → 再在集群层面配置分布式交换机 → 最后把主机加入集群或加入后通过 vCenter 统一下发网络配置。注意如果你加入集群的主机有 NAS 存储已经挂载好了加入集群后 vCenter 可能需要你重新扫描存储适配器并签名存储。ESXi 有个「存储设备自动发现」机制加入集群后会自动识别已在其他主机上注册过的 VMFS 数据存储不用手动一个一个扫但有时候需要点一下「重新扫描存储」。3.2 DRS 应该开自动还是手动取决于你的集群稳定性文档 4.2 节明确说了一句针对状态趋于稳定的集群环境可以开启自动化如果集群环境波动较大不建议开启。这句话被很多人忽略但它其实是 DRS 配置的实践总结。DRSDistributed Resource Scheduler的作用是根据主机负载自动迁移虚拟机保持集群负载均衡。开自动化的前提是集群里的虚拟机行为和负载模式是可预测的——比如业务虚拟机数量稳定、平时的 CPU/内存使用率变化有规律。如果集群里跑的是大量测试虚拟机、负载忽高忽低DRS 自动迁移可能会频繁触发 vMotion反而消耗资源甚至导致业务短暂的网络中断。我一般这样设置DRS 自动化级别初次搭建选择「手动」或「仅维护模式推荐」跑一两周观察迁移建议确认 DRS 的评估逻辑符合预期后再改为「全自动」。迁移阈值默认阈值通常是 3中保守型选 4 或 5激进型选 1 或 2。阈值越低DRS 越容易触发虚拟机迁移。主机加入集群时的默认操作勾选「将主机置于维护模式后迁移虚拟机」——如果你计划对物理主机做维护这个选项能让 DRS 自动把虚拟机迁走而不是手动一台台迁移。3.3 vSphere 可用性和 Proactive HA这两项必须和 DRS 一起配文档 4.2 节里除了 DRS还提到了 vSphere 可用性和 Proactive HA。这是 HA 集群配置里最容易忽略的两个辅助开关。vSphere 可用性的配置核心是设定允许的主机故障数默认 1并指定虚拟机应该响应何种类型的存储或网络故障。这里有个参数容易踩坑——「主机监控灵敏度」。默认是「仅当一台主机完全不可达时响应用户通知」但如果你希望主机只是网络心跳丢包就触发故障切换可以改为「当一台主机的所有网络心跳丢失且无法访问存储时」。注意这个选项不能乱调因为如果只是网络抖动触发 HA 切换会造成不必要的业务中断。Proactive HA是 vSphere 6.7 引入的能力——它把物理硬件的预测性告警比如内存 ECC 错误率上升、硬盘即将故障与 HA 联动当主机健康度低于阈值时自动迁移虚拟机并隔离主机。开启 Proactive HA 的前提是 vCenter 里有硬件厂商的健康监测插件如 Dell 的 OpenManage、HPE 的 iLO 插件。如果咱们虚拟化环境是白牌服务器没有厂商插件Proactive HA 基本用不了那就老老实实依赖普通 HA 的故障检测。# 用 PowerCLI 查看集群当前 HA/DRS 配置 Connect-VIServer -Server vcenter.example.com Get-Cluster -Name HA-Cluster | Select Name, HAEnabled, DRSEnabled, DRSAutomationLevel # 开启 DRS 并设置为全自动 $cluster Get-Cluster -Name HA-Cluster Set-Cluster $cluster -DRSEnabled $true -DRSAutomationLevel FullyAutomated逻辑说明PowerCLI 是管理 vSphere 的常用命令行工具Get-Cluster拉取集群对象后Set-Cluster直接修改 DRS 开关和自动化级别。参数DRSAutomationLevel支持FullyAutomated全自动、Manual手动、PartiallyAutomated部分自动。生产环境初次建议Manual让 DRS 只给建议不执行迁移观察一周再决定要不要调成全自动。4. 存储配置与分布式交换机FreeNAS 对接 ESXi 的完整链路4.1 ESXi 添加 iSCSI VMkernel 网络每台主机都要做一遍的步骤文档 4.3 节详细记录了 ESXi-01 添加存储网络的过程ESXi-02 是重复相同步骤。这里把流程完整走一遍并标注每个界面的关键参数。Step 1添加 VMkernel 适配器并绑定物理网卡在 vCenter 中选中 ESXi-01 → 配置 → 网络 → VMkernel 适配器 → 添加网络。选择「VMkernel 网络适配器」然后在下拉框中选择「新建标准交换机」并分配物理网卡。文档里选的是 vmnic2因为这台主机有四个网卡vmnic0 给了管理、vmnic3 给了生产分布式交换机、vmnic4 给了 vMotion 分布式交换机、vmnic2 自然留给存储。Step 2配置端口属性和 IP在端口属性界面勾选「iSCSI 启动器」服务这个选项不是默认勾选的经常有人漏掉导致后续添加动态发现目标时找不到这台主机。IP 设置为 192.168.100.201子网掩码 255.255.255.0不要设置默认网关——存储网络不需要网关而且设置了网关可能影响 HA 隔离地址的判定。Step 3把存储网络手动添加到每台 ESXi在 ESXi-02 上重复同样操作IP 设置为 192.168.100.202。注意 vmknic 的网段必须一致而 FreeNAS 的 iSCSI 服务监听 IP 要在这个网段内比如 192.168.100.203虽然文档没明确写但既然存储网络规划是 192.168.100.0/24FreeNAS 的 iSCSI IP 理应在这个网段。# 在 ESXi Shell 上验证存储网络连通性ESXi-01 vmkping -I vmk2 192.168.100.203 # 参数说明-I 指定用哪个 vmknic 发出 ping这里假设 vmk2 对应存储 VMkernel # 返回正常的丢包率 0% 即表示存储网络通逻辑说明vmkping是 ESXi 自带的网络连通性工具-I vmk2指定从哪个 VMkernel 适配器发起 ping。如果不加这个参数系统可能走默认路由测出来的结果不代表存储网的真实连通性。如果 ping 不通优先检查两台 ESXi 的存储网段是不是同一个以及 FreeNAS 上的 iSCSI 服务是否绑定在对应网卡上。4.2 iSCSI 存储连接与 VMFS 数据存储的创建顺序网络配置好后真正的存储连接流程是ESXi 软件适配器Software iSCSI Adapter→ 动态发现目标Discovery→ 添加 FreeNAS 的 iSCSI Target → 扫描存储设备 → 新建 VMFS 数据存储。文档没有展开这部分但这是 HA 环境能否成功的关键。以 FreeNAS 为 iSCSI Target 的常见做法是在 FreeNAS 上创建 zvol 作为 LUN建议至少两个一个放虚拟机磁盘一个留作 HA 心跳日志配置 iSCSI Target并把 zvol 分配给该 Target在 ESXi 上启用软件 iSCSI 适配器vmhbaXX它会自动生成一个 VMkernel 适配器动态发现里填入 FreeNAS 的 iSCSI IP 和端口 3260保存配置后执行「重新扫描存储适配器」此时 Vmware 会检测到 LUN在存储设备里看到未格式化的磁盘选择「新建数据存储」格式化为 VMFS 6vSphere 6.7 默认支持 VMFS 6注意 VMFS 6 对 SSD 和机械硬盘有不同的块大小默认值这里有一个血泪经验动态发现里填的 IP 必须是存储网络的 IP而不是 FreeNAS 的管理 IP。很多人图方便填了 192.168.1.203结果 iSCSI 流量走了管理网HA 心跳和存储流量混在一起。排查半天发现数据存储能正常挂载但 vMotion 期间存储延迟高得离谱。4.3 分布式交换机配置创建、上行链路、迁移虚拟机网络文档 4.3.1 和 4.3.2 节单独讲了分布式交换机的创建和主机管理这也是整个配置里最需要耐心的一步。我按生产环境的操作习惯拆开讲。创建分布式交换机DSwitch的要点名字要带用途比如 DSwitch01-Vmotion、Pro_Net_Switch不要叫 DSwitch1、DSwitch2上行链路数选择「2」如果有两块物理网卡对应实际物理网卡 vmnic4 和预留的网络冗余在创建时勾选「将主机加入这个分布式交换机」这样后续流程简化创建完成后在「拓扑」视图里看到端口组默认会生成一个「DSwitch01-DVUplinks-1」上行链路端口组把 vmnic4 拖到上行链路里添加主机到分布式交换机的坑文档 4.3.2 节说的是「在分布式交换机上添加和管理主机」。在 vCenter 6.7 里这一步和网络配置的「虚拟交换机管理」是两回事。点开分布式交换机 → 添加和管理主机 → 选择主机然后你要选择哪些物理网卡作为上行链路哪些 VMkernel 适配器关联到端口组。# 在主机上验证分布式交换机连接状态关键命令 esxcli network vswitch dvs vm list # 输出会列出该主机绑定的所有 dvPort 及其连接状态 # 如果端口组关联失败这里会显示 Port blocked 或 Link down逻辑说明esxcli network vswitch dvs vm list是 ESXi 上查看分布式交换机端口连接状态的命令。正常配置后每个分布式交换机端口组下挂的 VMkernel 网卡或虚拟机网卡会显示connectivity: up。如果显示down首先看物理网卡是否被服务控制台占用比如管理网络已经用了 vmnic0就不能再把它加到分布式交换机这也是文档里「每个网卡只能对应一个虚拟机交换机」想表达的边界。4.4 生产网络分布式交换机Pro_Net_Switch的配置细节生产网络单独做一个分布式交换机文档里的名字是 Pro_Net_Switch端口组 DPortGrop-Pro对应网卡 vmnic3。这个交换机只承担虚拟机生产流量不承载任何 VMkernel 流量所以不需要创建 VMkernel 适配器。配置完生产网络分布式交换机后记得做一次「虚拟交换机健康检查」。vCenter 6.7 的「网络」模块里可以对分布式交换机运行「检查主机兼容性」和「检查网络策略」两个诊断工具。前者验证主机物理网卡是否能加入分布式交换机后者验证端口组的 VLAN、安全策略是否一致。如果检查出「混杂模式」不一致的警报多半是某台主机上的端口组还保留着之前标准交换机时代的设置。5. 避坑与常见问题排查HA 搭好不等于能切换这些问题必须逐一验证5.1 现象HA 心跳丢失主机被误判为故障现象集群日志显示某台 ESXi 主机出现了隔离Isolation虚拟机被迁移到其他主机但物理主机本身完全正常。原因最常见的是管理网络和存储网络共用了一个物理交换机或同一网卡网络抖动导致 HA 心跳短暂超时。vSphere HA 默认的隔离地址通常是管理网关如果管理网关 IP 也能被存储流量影响心跳就会不稳定。解决在集群的 HA 设置里把「隔离地址」改为隔离网络内一个稳定的 IP比如管理 VLAN 的网关确保它是独立于存储网络的存在检查管理网络和存储网络是否走同一物理链路有条件就加独立网卡或独立交换机调大「主机监控灵敏度」的超时时间从默认的 5 秒改为 8 秒减少误判5.2 现象vMotion 迁移速度极慢一个 50GB 的虚拟机迁了半小时现象HA 故障切换时虚拟机迁移到另一台主机耗时极长业务中断时间远超过可接受范围。原因vMotion 流量走了管理网或者分布式交换机上行链路带宽不足。在嵌套环境里ESXi 虚拟机的物理网卡本身是软件模拟的vMotion 流量经过虚拟化层会有额外开销如果还和其他虚拟机共享同一物理核心速度会更惨。解决确认 vMotion 的 VMkernel 适配器 IP 在独立网段10.0.0.0/8且没有设置网关在分布式交换机端口组上启用「巨型帧MTU 9000」前提是物理交换机已开启使用esxtop按n键查看网络流量统计确认 vMotion 流量是否真的走了对应的 vmnic5.3 现象iSCSI 存储能发现但无法挂载现象ESXi 的存储适配器里能看到 LUN但创建数据存储时提示「设备无法用于 VMFS」或直接报错。原因LUN 已经被其他主机格式化为不同 VMFS 版本存储设备的 SCSI 锁定策略不允许同时被多台 ESXi 主机访问FreeNAS 侧的 zvol 没有正确设置为块设备有些 FreeNAS 版本默认的 zvol 块大小不兼容 VMFS 6解决先确认该 LUN 是否已经在集群内另一台主机被识别在存储设备里点「重新扫描」在 FreeNAS 侧检查 zvol 的块大小VMFS 6 推荐块大小设为 64KB 以上如果之前的 VMFS 版本不一致用命令vmkfstools -P /vmfs/devices/disks/naa.xxx查看文件系统版本5.4 现象HA 配置提示「主机上的 HA 代理错误」现象集群启用 HA 后某台主机显示 HA Agent 无法启动甚至需要重新配置。原因vCenter 6.7 的 HA 代理依赖主机上的 ha-agent 组件如果主机的管理网络无法访问 vCenter或者 DNS 解析异常代理就无法正常注册。嵌套环境里尤其容易遇到——ESXi 虚拟机可能没有配置 DNS 后缀。解决在 vCenter 的主机设置里填写不带域名的主机名并在 ESXi 的 DNS 设置里补上 DNS 后缀重启 HA 服务SSH 到 ESXi 执行services.sh restart或单独重启ha-agent如果还不行把主机从集群移除再重新加回触发 HA 代理重新部署5.5 现象DRS 建议迁移虚拟机但目标主机处于维护模式现象DRS 报错「资源不足」一台主机负载很高另一台主机却在维护模式里空转。原因主机加入集群之前就被手动置为维护模式或者计划性维护后忘记退出维护模式。DRS 的迁移建议只会考虑非维护状态主机。解决把主机退出维护模式然后让 DRS 重新评估负载。如果主机长期处于维护模式考虑把它从集群里拆出再重新加入强制重置集群的负载评估基线。6. 把 HA 验证做到位迁移测试和模拟故障测试的完整套路HA 配置完成后最关键的收尾动作是验证。文档 5.1 和 5.2 节分别做了迁移测试和模拟物理故障测试这两步是整个环境搭建的「验收关」。我通常按照「温和迁移 → 强制断电 → 心跳隔离」三层顺序验证任何一层不过关都不能说 HA 是好的。第一层vMotion 手动迁移。在 vCenter 的虚拟机操作里选「迁移」把虚拟机从 ESXi-01 迁到 ESXi-02观察迁移过程中网络是否中断、存储是否保持连接。如果这一步就失败后面 HA 故障切换必然失败。# PowerCLI 执行虚拟机在线迁移 Move-VM -VM WebServer01 -Destination (Get-VMHost -Name 192.168.1.202) # 参数说明-VM 指定要迁移的虚拟机-Destination 指定目标 ESXi 主机 # 迁移过程中虚拟机保持开机状态这就是 vMotion 的核心价值第二层模拟物理故障。文档里的做法是把 ESXi-01 强制断电直接关掉虚拟机电源模拟物理主机宕机。这时观察 vCenter 是否在告警阈值内通常 30~60 秒检测到主机失联并把虚拟机重新注册到 ESXi-02 上拉起。这里要关注的点不只是虚拟机能不能起而是虚拟机是否能恢复到接近断电前的状态——因为断电没有优雅关闭VMware 会依据日志和快照做崩溃一致性恢复业务数据可能有少量丢失但只要应用能起来HA 切换就成功了。第三层网络隔离测试。把 ESXi-01 的管理网络断掉但保留存储网络和数据网络观察 HA 是否触发隔离响应。这一步很多人跳过但其实最能暴露问题——如果隔离地址配置错误HA 可能把「网络断开」误判为「主机正常」导致虚拟机长时间无人接管。我的习惯是在完成第三层测试后把 DNS 解析记录、集群 HA 日志、事件警报都导出存档。这是事后排障的后悔药——一旦生产环境出了 HA 切换事故没有当时的基线数据排查难度翻倍。从那以后我每次做 HA 验收都强制把「迁移测试 → 断电测试 → 隔离测试」三口全部走一遍任何一步不干净就直接回滚配置重来。配置一次 HA 并不难难的是确认它在真正的故障场景里能如你所愿地响应。希望这篇拆解能让你在动手之前就避开那些最常见的坑。本文还有配套的精品资源点击获取