脑裂的概念最早在主机的集群中广泛使用，在容灾双活系统中概念依然延续使用可以类比。假设有同一个整体、动作协调的节点A（站点A） 和节点B（站点B），A和B之间通过心跳来检查对方的存活状态，负责协调保证整个系统服务的可用性。
正常情况下，如果节点A通过心跳检测不到B存在的时候，就会接管B的资源，同理节点B检查不到A的存活状态时候也会接管A的资源。如果出现网络故障，两个节点的“心跳线”断开，本来为一个整体、数据同步、动作协调的系统，就分裂成为两个独立的节点A和节点B系统，相互之间失去了联系，都以为是对方出了故障，两个节点上的应用软件像“裂脑人”一样，“本能”地争抢“共享资源”、争起“应用服务”，造成：
1）共享资源被瓜分、两边“服务”都起不来了；
2）或者两边“服务”都起来了，但同时读写“共享存储”，导致数据损坏，这种情况被称为脑裂现象。因此，站点A和站点B在某项功能层组成了一个独立的集群，即一个“大脑”，由于某些原因，站点A和B的心跳中断，形成了两独立的集群，即两个“大脑”，而当一个人有两个大脑，并相互独立时，那么必然会出问题，造成系统宕机，正如一个人不能在向前走的同时接受另一个大脑向后走的指令一样。
脑裂产生的原因当容灾系统中出现脑裂现象时，优先考虑心跳线路上的问题，其次是心跳服务。软件层面的问题，主要有以下几点原因：
1）高可用存储对之间心跳线路故障，导致无法正常的通信。原因如下：
a. 心跳线本身就坏了（包括断了，老化）；
b. 网卡以及相关驱动坏了，IP配置及冲突问题；
c. 心跳线间连接的设备故障（交换机的故障或者是网卡的故障）；
d. 仲裁的服务器出现问题。
2）高可用存储对之间链路上开启了防火墙阻挡了心跳消息的传输；
3）高可用存储对上的心跳网卡地址等信息配置的不正确，导致发送心跳失败；
4）其他服务配置不当等原因，如心跳的方式不同，心跳广播冲突，软件出现了BUG等。
图5 心跳断开导致脑裂
脑裂现象产生的后果在容灾系统中，当发生脑裂现象时，容易引起以下两种问题，对业务和数据造成影响。
1）引起数据的不完整性：集群中节点（在脑裂期间）同时访问同一共享资源，而且没有机制去协调控制的话，那么就存在数据不完整性的可能。
2）服务异常：对外提供的服务出现异常。
脑裂问题的解决方案针对容灾系统中的脑裂问题，通常是以心跳检测为依据来防止脑裂，有如下几种方案：
1）同时使用串行电缆和以太网电缆连接，同时用两条心跳线路，这样一条线路坏了，另一个线路还是好的，依然能传送消息。
2）检测到裂脑的时候强行的关闭一个心跳节点，相当于程序上备节点发现心跳线故障，发送关机命令到主节点。
3）通过增加仲裁的机制，确定谁该获得资源提供服务：
a. 增加一个仲裁机制。例如设置参考的IP，当心跳完全断开的时候，2个节点各自都ping一下参考的IP，不通则表明断点就出现在本段，这样就主动放弃竞争，让能够ping通参考IP的一端去接管服务。
b. 通过第三方软件进行仲裁。
4）启用磁盘锁。正在服务一方锁住共享磁盘，脑裂发生的时候，让对方完全抢不走共享的磁盘资源。但使用锁磁盘也会有一个不小的问题，如果占用共享盘的一方不主动解锁，另一方就永远得不到共享磁盘。现实中介入服务节点突然死机或者崩溃，另一方就永远不可能执行解锁命令。后备节点也就接手不了共享的资源和应用服务。于是有人在HA中设计了“智能”锁，正在服务的一方只在发现心跳线全部断开时才启用磁盘锁。
作者：张鹏
来源：twt社区
