Seminar StarlingX – Hochverfügbarkeit und Fault Management

Das Seminar erschließt den Themenbereich Hochverfügbarkeit und Fault Management innerhalb einer StarlingX-Plattform. Behandelt werden Redundanzmodelle, Fehlererkennung, Host- und Dienstwiederherstellung, Alarmbearbeitung und kontrollierte Tests für hochverfügbare StarlingX-Installationen.

Die Bearbeitung folgt einer durchgängigen technischen Reihenfolge: Ausgangslage erfassen, Komponenten und Abhängigkeiten einordnen, Konfiguration kontrolliert umsetzen, Zustand prüfen und typische Abweichungen systematisch eingrenzen. Demonstrationen und Laborübungen orientieren sich an realistischen Betriebs- und Integrationsaufgaben.

Inhaltsübersicht

• Verfügbarkeitsarchitektur
• Maintenance- und Fault-Management-Dienste
• Controller- und Dienstfailover
• Worker- und Workload-Verfügbarkeit
• Storage- und Netzwerkfehler
• Testplanung und Betriebsnachweis

Zielgruppe

Plattformadministration, SRE, Systemarchitektur, Betriebsverantwortung und Teams für Verfügbarkeits- oder Notfallmanagement.

Voraussetzungen

StarlingX-Grundadministration, Linux, Kubernetes und Grundverständnis redundanter Systeme.

Seminarziele

• Fehlerdomänen und Redundanzmechanismen der Plattform erklären.
• Fault-Management-Informationen korrekt bewerten.
• Failover und Wiederherstellung ohne unnötige Folgeausfälle testen.
• Verfügbarkeitsprüfungen in Betrieb und Abnahme verankern.

Seminarinhalte

1. Verfügbarkeitsarchitektur

1. Simplex-, Duplex- und Standard-Topologien hinsichtlich Ausfallverhalten vergleichen.
2. Controller-, Netzwerk-, Storage- und Workload-Redundanz getrennt bewerten.
3. Single Points of Failure außerhalb der Plattform in das Gesamtbild aufnehmen.

2. Maintenance- und Fault-Management-Dienste

1. Hostüberwachung, Heartbeats, Zustandswechsel und Wiederherstellungsaktionen einordnen.
2. Alarme, Ereignisse und administrative Zustände konsistent interpretieren.
3. Automatische Aktionen von manuellen Betriebsentscheidungen abgrenzen.

3. Controller- und Dienstfailover

1. Aktive und standby Rollen sowie abhängige Plattformdienste identifizieren.
2. Failover kontrolliert auslösen und Beobachtungspunkte vorab definieren.
3. Dienstverfügbarkeit, Datenkonsistenz und Rückkehr in den Normalzustand prüfen.

4. Worker- und Workload-Verfügbarkeit

1. Podverteilung, Anti-Affinität, Replikate und Disruption Budgets bewerten.
2. Hostverlust, Eviction und Rescheduling anhand eines Testfalls nachvollziehen.
3. Nicht verschiebbare oder gerätegebundene Workloads gesondert absichern.

5. Storage- und Netzwerkfehler

1. Redundante Links, Bonds und Pfade bei Einzel- und Mehrfachfehlern untersuchen.
2. Ceph-Degradierung, Wiederaufbau und Kapazitätsgrenzen in die Verfügbarkeitsbewertung einbeziehen.
3. Kaskadeneffekte durch Zeitüberschreitungen und Ressourcenknappheit erkennen.

6. Testplanung und Betriebsnachweis

1. Fehlerszenarien, Sicherheitsgrenzen und Akzeptanzkriterien dokumentieren.
2. Tests mit Messpunkten, Abbruchbedingungen und Wiederherstellungsplan durchführen.
3. Feststellungen in Architektur, Monitoring und Runbooks zurückführen.

Praktische Übungen

• Durchführung eines kontrollierten Controller-Failovers.
• Simulation eines Worker-Ausfalls mit Beobachtung des Workload-Verhaltens.
• Entwurf eines wiederholbaren Verfügbarkeitstests für Netzwerk und Storage.

Geeignete Einsatzszenarien

• Abnahme hochverfügbarer Edge-Standorte.
• Überprüfung bestehender Redundanz- und Wiederherstellungsmechanismen.
• Vorbereitung von Betriebs- und Notfallübungen.