> For the complete documentation index, see [llms.txt](https://docs.verge.io/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.verge.io/knowledge-base/zh/system-administration/cluster-recovery-after-power-outage.md).

# 全面断电后的集群恢复

VergeOS 集群在意外全面断电后的恢复流程和最佳实践——包括开机顺序、vSAN 完整性验证和预防建议。

## 概述

{% hint style="info" %}
**要点**

* 应尽可能避免非正常关机，尤其是在生产系统上。
* 本指南提供最佳实践，以降低发生意外关机后重新启动集群时的潜在问题。
* 开启电源 **节点 1** 首先。等待 30 秒至 1 分钟，然后开启其余集群节点的电源。
* 非零的 **修复** 恢复后的计数是正常的；随着日志遍历完成，该计数应会下降。
* 如果日志遍历完成后“修复”计数未恢复为零，或者其他异常仍然存在，请联系 VergeIO 支持团队。
  {% endhint %}

## 范围

本指南涵盖在一次 **非正常关机** 之后重新开启 VergeOS 集群的电源——即集群因断电、UPS 电量耗尽、设施故障或类似事件而突然失电。有关计划内、受控的关机和开机流程，请参阅 [正确的 VergeOS 系统关机流程](https://docs.verge.io/knowledge-base/zh/system-administration/proper-vergeos-system-shutdown-procedure.md) 和 [正确的开机顺序](https://docs.verge.io/knowledge-base/zh/system-administration/proper-power-sequence-for-vergeos.md).

{% hint style="warning" %}
**尽可能避免非正常关机**

* 尽管 VergeOS 包含多项用于保护数据完整性的内置机制，但当节点突然同时断电时，没有任何分布式存储系统能够完全保证不会发生数据损坏。
* 断电瞬间正在进行的写入操作可能未完成，或在对等节点之间不一致；在某些情况下，恢复完整性的唯一方法是将卷回滚到最近的快照。
* 此外，非正常关机后常见硬件、来宾操作系统和应用程序问题。
* 适当的电力基础设施——可支持正常关机时长的 UPS 覆盖、冗余电源模块以及低电量时的自动关机——是最有效的保护措施；请参阅 [预防](#preventionmitigation) 部分以获取指导。
* 尽管采取了这些预防措施，但如果仍发生非正常关机，以下流程旨在安全地使集群恢复联机，并发现任何需要处理的完整性问题。
  {% endhint %}

## 先决条件

* 可物理访问或通过 IPMI/BMC 访问每个节点
* 了解哪个节点是 **节点 1** （需要先启动节点 1。）
* 确认上游电源、网络（核心网络交换机）和 IPMI 已恢复且稳定
* 有可用的近期本地快照或远程复制快照，以备发现完整性问题时使用
* 熟悉 [vSAN 层仪表板 / 日志遍历](https://docs.verge.io/knowledge-base/zh/storage-vsan/understanding-journal-walks-and-vsan-tier-status.md)

## 步骤

### 预期情况

* VergeFS 包含多项内置保护机制，可在电力事件期间帮助维护数据完整性——包括写入日志、对等复制、修复服务器（ioGuardian）和启动时验证。控制器启动时，VergeFS 会触发一次 **完整日志遍历** 以验证每个块并与对等节点进行协调。这些保护在大多数情况下有效，但没有任何分布式存储系统能够完全保证免受突然断电导致的损坏；启动后的验证至关重要，尤其是在非正常关机之后。
* vSAN 要求 **最小节点数量** 处于联机状态后才会挂载（例如，在采用 N+1 保护的 4 节点集群中，只要 3 个节点联机，vSAN 即会挂载）。在达到该阈值之前，存储将保持离线状态，VM 将无法启动。
* 节点 1 会启动，但在有足够的对等节点加入以满足最低要求之前，将停止在 vSAN 挂载之前。
* 非零的 **修复** 恢复后的计数是正常的，并应随着遍历的进行而下降。

### 开机前检查

{% hint style="warning" %}
**首先确认基础设施已就绪**

在启动任何集群节点之前，请确认满足两个关键条件。这些条件已在先决条件中说明，但有必要在此重申——跳过它们可能会造成比原始关机严重得多的损害：

1. **设施电力已完全恢复且稳定。** 在电力仍不稳定时启动集群——例如闪断、电压骤降或再次停电——会使原始问题更加复杂，并可能导致进一步的数据完整性问题。

2. **核心网络交换机已开机并完全启动。** 企业级交换机与服务器类似，可能需要数分钟才能完成启动过程。如果集群节点在网络就绪之前联机，它们将无法发现对等节点，从而可能导致协调问题。
   {% endhint %}

3. 确认 **上游电源** 稳定。在不稳定的供电线路上启动节点，可能会在恢复过程中发生再次断电。

4. 确认 **核心网络交换机** 已联机， **已完全启动**，且节点间网络已启动。没有它，vSAN 无法重新组建；高级交换机可能需要数分钟才能完成启动。

5. 验证 **IPMI/BMC** 对每个节点的访问，以便在需要时远程监控启动过程。

6. 记录任何存在可见硬件故障的节点（电源模块故障、硬盘 LED 指示灯异常、风扇告警）——这些节点可能需要先进行处理才能重新加入。

### 开机顺序

确认电源和网络基础设施已就绪后：

1. **启动节点 1。**
   * 观察控制台/IPMI。节点 1 将启动操作系统，但会 **停止在 vSAN 挂载之前** ，直至有足够的对等节点加入。
2. **等待 30 秒至 1 分钟。**
   * 这段短暂的等待可让节点 1 在其余集群节点启动前开始初始化。无需等待节点 1 完全进入其停止状态后再继续。
3. **启动其余节点。**
   * 其余节点可以同时启动（或紧接着依次启动）；无需逐个错开启动。
   * 达到最小联机节点数后，vSAN 会自动挂载（例如，在默认 N+1 配置中，除一个节点外其余所有节点均联机）。
4. **多集群环境：** 在启动其他集群之前，先使控制器集群完全联机。

{% hint style="success" %}
**专业提示**

节点 1 会先启动，并在您启动集群其余节点时保持等待——这是预期行为，并非卡住状态。一旦有足够的对等节点联机，vSAN 将自行挂载，VergeOS 会自动处理协调；无需手动执行修复命令。
{% endhint %}

### 恢复后验证

所有节点联机且集群有时间稳定后，请验证一切是否已恢复到健康状态。由于集群经历了非正常关机，请以更严格的标准执行这些检查——突然断电可能遗留集群无法完全自行解决的问题。请仔细检查持续存在的 vSAN 错误、失败或反复崩溃的工作负载，以及任何来宾级文件系统错误。如果检测到无法解决的损坏，可能需要将卷回滚到最近的快照。

1. **确认整体系统健康状况**

   突然断电会增加发生硬件问题的风险。务必检查是否存在任何问题：

   * 查看 [告警](https://docs.verge.io/run-the-platform/zh/yun-wei/alarms.md) 仪表板。确认没有触发新的告警。
   * 查看 **系统日志（主仪表板）** ，检查启动或初始挂载期间的错误。
2. **验证 vSAN 健康状况**
   * 打开 **主仪表板** ——所有状态指示灯都应为 **绿色**.
   * 导航至 **系统 → vSAN → 层** ，然后双击每个层。
   * 查看 **状态** 磁贴位于每个层的仪表板上。知识库文章 [了解 vSAN 层状态/日志遍历](https://docs.verge.io/knowledge-base/zh/storage-vsan/understanding-journal-walks-and-vsan-tier-status.md) 提供了解读 vSAN 层状态字段的指南。
3. **验证硬盘健康状况**
   * 转到 **系统 → vSAN → 硬盘**.
   * 查找显示错误、警告或 SMART 警报的任何硬盘——在突然断电后硬盘无法正常恢复时，可能会出现这些情况。
   * **更换故障硬盘** ，以维持 vSAN 数据保护。
4. **验证工作负载**

   <div data-gb-custom-block data-tag="hint" data-style="success" class="hint hint-success"><p><strong>VM 自动启动行为</strong></p><p>默认情况下，VM 被配置为在集群恢复供电时自动启动。具有其他 <strong>断电时</strong> 设置的 VM 需要手动启动。</p></div>

   * 验证关键 VM：控制台响应正常、来宾操作系统健康、应用服务已启动。非正常关机可能导致来宾操作系统和已安装应用程序内部出现问题——注意文件系统错误、无法启动的服务和启动即崩溃的应用程序。
   * 应尽早识别潜在的回滚候选项——理想情况下，应在应用程序恢复高负载使用之前。

{% hint style="warning" %}
**快照回滚决策具有时效性**

如果整个系统或单个 VM 出现因非正常关机导致且无法原地修复的损坏迹象，从断电前快照恢复可能是恢复健康状态的唯一途径。 **应尽快作出此决定**，原因有二：

* **快照保留期限有限。** 如果在作出决定前经过太长时间，可用的断电前快照可能会被轮换删除而无法使用。
* **回滚会丢失较新的数据。** 受影响的 VM 在断电后保持生产使用的时间越长，执行回滚时被丢弃的合理恢复后工作就越多。
  {% endhint %}

## 故障排除

{% hint style="warning" %}
**常见问题**

* **问题：** 节点无法重新加入集群。
  * **解决方案：** 检查 IPMI/控制台输出是否存在启动错误。验证节点的核心网络接口已启动且可由对等节点访问。查看 **系统 → 节点 → \[节点]** 以了解状态和上次发现时间戳。如果节点已启动但未加入，请 **不要** 强制移除它——请联系支持团队。
* **问题：** vSAN 无法挂载 / 存储离线。
  * **解决方案：** 确认 **最小 vSAN 节点数处于联机状态** 位于 **系统 → 节点** 下（例如，在默认配置中：4 节点集群为 4 个中的 3 个，6 节点集群为 6 个中的 5 个）。确认节点间连接性（核心网络交换机、链路状态、MTU）。如果已达到阈值但存储仍无法挂载，请采集 sysdiag 并联系支持团队。
* **问题：** 修复计数停滞或增长。
  * **解决方案：** 较小且不断下降的 **修复** 计数在恢复后属于正常现象。若计数 **停止下降** 或 **增长** ，则表明 vSAN 无法从对等节点重建某些块。 **不要重启任何节点。** 在采取补救措施之前，请联系支持团队。
* **问题：** 疑似脑裂或集群状态不一致。
  * **解决方案：** 恢复期间，网络问题可能导致两组节点启动后无法互相发现。如果您看到形成两个独立集群的迹象（这种情况罕见，但可能发生在网络部分恢复后）， **请勿尝试自行合并它们**。从每个节点采集 sysdiag，并立即联系支持团队。
    {% endhint %}

## 预防/缓解措施

* **UPS 容量与覆盖范围** ——为每个节点配置可覆盖正常关机所需时长并留有余量的 UPS。将核心网络交换机纳入同一覆盖范围。每年测试 UPS 续航时间——电池会老化。
* **自动正常关机** ——使用 UPS 管理软件（NUT、IPMI 脚本，或在管理主机上运行 UPS 供应商代理）检测低电量事件，并触发集群正常关机——可通过集群仪表板的 **关闭电源** 操作、VergeOS API（`POST /v4/cluster_actions` ，请求正文为 `{"cluster": <cluster_id>, "action": "shutdown", "params": "{}"}`），或我们的 [**VRG CLI**](https://github.com/verge-io/vrg) 封装工具，该工具可从 Linux/macOS/Windows 主机通过脚本调用相同的关机请求。依赖自动化之前，请在维护窗口内验证其功能。
* **“断电时”VM 设置** ——审慎配置每个 VM 的行为，以使恢复后状态可预测。共有三个选项：
  * ***上次状态*** ——仅当 VM 在断电时处于开机状态，才会启动
  * ***保持关闭*** ——恢复供电时，VM 保持关闭，无论先前状态如何
  * ***开启电源*** ——恢复供电时，VM 会启动，无论先前状态如何
* **修复服务器（ioGuardian）** ——已配置的 [修复服务器](https://docs.verge.io/automate-protect-and-extend/zh/bei-fen-yu-dr/repair-server.md) 可在断电后对等节点无法提供缺失块时，为 VergeFS 提供备用来源。它基于现有的出站站点同步配置构建，并从已同步的远程 VergeOS 系统提取所需块。强烈建议所有生产部署使用修复服务器。
* **充足的快照轮换** ——维护快照保留计划，确保在需要时仍可使用近期的事件前快照进行回滚。作为全面数据保护策略的一部分，也建议将快照复制到远程站点。

## 何时联系支持团队

提交支持请求 **在** 重启节点或进行任何其他重大更改之前，如果符合以下任一情况：

* 在 N 个节点联机后 vSAN 仍无法挂载（例如，默认 N+1 冗余下的完整节点数减一）
* 某个层显示 **Redundant: false** ，且在完整遍历完成后持续较长时间
* 该 **修复** 计数停滞或增长
* 存在修复停滞告警（VergeOS v26+）
* 恢复后多个硬盘报告错误
* 您怀疑存在脑裂或集群状态不一致
* 任何节点未能重新加入，且原因显然不是硬件问题

## 为支持团队生成系统诊断信息

在提交请求之前，请采集 sysdiag 并附上它（或直接发送给支持团队）：

请参阅 [生成系统诊断信息](https://docs.verge.io/knowledge-base/zh/troubleshooting/generating-system-diagnostics.md) 以及完整的 [系统诊断信息](https://docs.verge.io/run-the-platform/zh/xi-tong-guan-li/diagnostics.md) 参考文档。

## 其他资源

* [正确的开机顺序](https://docs.verge.io/knowledge-base/zh/system-administration/proper-power-sequence-for-vergeos.md)
* [正确的 VergeOS 系统关机流程](https://docs.verge.io/knowledge-base/zh/system-administration/proper-vergeos-system-shutdown-procedure.md)
* [了解日志遍历和 vSAN 层状态](https://docs.verge.io/knowledge-base/zh/storage-vsan/understanding-journal-walks-and-vsan-tier-status.md)
* [生成系统诊断信息](https://docs.verge.io/knowledge-base/zh/troubleshooting/generating-system-diagnostics.md)
* [修复服务器（ioGuardian）](https://docs.verge.io/automate-protect-and-extend/zh/bei-fen-yu-dr/repair-server.md)
* [vSAN 诊断指南](https://docs.verge.io/run-the-platform/zh/cun-chu/vsan-diagnostics.md)

## 反馈

{% hint style="info" %}
**需要帮助？**

如果您需要进一步帮助，或对本文有任何疑问，请随时联系支持团队。
{% endhint %}

***

{% hint style="info" %}
**文档信息**

* 最后更新：2026-05-08
* vergeOS 版本：26.0+
  {% endhint %}


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.verge.io/knowledge-base/zh/system-administration/cluster-recovery-after-power-outage.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
