一次 HA 误触发导致的批量虚拟机重启复盘
背景某夜间例行网络变更后，集群中三台 ESXi 主机短暂失联，触发 vSphere HA 的虚拟机重启保护机制，导致约 40 台虚拟机被强制重启，业务出现短时中断。 排查过程首先检查 vmkernel.log 中的网络心跳记录，发现管理网络与存储网络在变更窗口内出现约 12 秒的丢包，超过了 HA 默认的主机隔离判定阈值。 12esxcli network diag ping -I vmk0 -H <isolation-address># 观察是否存在丢包或延迟突增 结合 vCenter 的事件日志，确认这批主机在心跳丢失期间被判定为”网络隔离”，触发了默认的虚拟机重启策略，而非更保守的”关机”策略。 根因 核心交换机变更时生成树重新收敛，产生短暂网络风暴 HA 隔离响应策略配置为默认值，未结合实际网络拓扑做调优 未配置独立的心跳数据存储，单一依赖管理网络判断 整改措施后续将隔离响应策略调整为”保持虚拟机开机”，并额外配置两个心跳数据存储，降低误判概率；同时把核心网络变更纳入维护窗口流程，避免业务高峰期执行。
HCI 存储池容量水位告警处理与扩容前检查
告警背景Prism Central 触发存储池容量水位告警，逻辑使用率超过 75% 阈值。在 HCI 架构下，容量规划需要同时考虑数据冗余因子和预留重建空间，不能只看裸容量。 容量计算逻辑实际可用容量 = 裸容量 / 冗余因子 - 预留重建空间。以 RF2 配置为例，需要预留至少一个节点的容量用于故障自愈重建，否则在节点故障时会出现容量不足无法完成重建的风险。 扩容前检查清单 确认新节点固件版本与集群当前版本兼容 核对新节点网络配置（VLAN、MTU）与现有节点一致 扩容前执行集群健康检查，确保无未恢复的告警 评估扩容期间 Curator 数据重平衡对业务 IO 的影响窗口 小结HCI 的容量规划本质是在冗余、性能和成本之间找平衡点，建议建立月度容量趋势报表，提前 1-2 个扩容周期规划采购，避免临时救火式扩容。
用 pyvmomi 写一个虚拟机日常巡检脚本
目标把每天人工登录 vCenter 检查的几个核心指标自动化：CPU Ready 值、内存气球回收量、孤儿快照数量，输出成一份每日巡检邮件。 核心代码片段123456789from pyVim.connect import SmartConnectfrom pyVmomi import vimsi = SmartConnect(host=VC_HOST, user=VC_USER, pwd=VC_PASS, disableSslCertValidation=True)content = si.RetrieveContent()for vm in get_all_vms(content): summary = vm.summary print(vm.name, summary.quickStats.overallCpuReadiness) 巡检维度 CPU Ready 超过 5% 的虚拟机列表，提示可能存在资源争用 内存气球（Balloon）持续回收的虚拟机，提示宿主机内存压力 超过 7 天未清理的快照，避免占用过多存储空间 后续计划下一步计划把脚本结果接入企业微信...
