虚拟化环境里服务器故障迁移能否成功，不取决于运气，而取决于你提前预留了多少资源。 预留得太少，故障发生时虚拟机根本启动不了；预留得太多，日常运行又白白浪费算力，这篇文章直接讲清楚资源预留的底层逻辑、配置步骤和常见坑。
为什么说资源预留是故障迁移的生死线
物理服务器宕机后，虚拟化平台会把虚拟机重新调度到集群里其他健康主机上，这个过程看似自动完成，实则对目标主机的资源有硬性要求，如果目标主机没有足够的CPU、内存或存储余量，迁移任务就会失败，虚拟机一直停留在“等待主机”的灰色状态。
业内专家指出，故障迁移失败的案例里，有相当一部分不是因为硬件损坏，而是因为资源预留策略没有做对，很多运维团队只关注了日常负载,忽略了故障切换时需要同时启动多台虚拟机这个峰值场景。
故障迁移与资源预留的基本关系
虚拟化平台在执行故障迁移时，会检查目标主机的剩余资源是否满足虚拟机配置的资源预留值，这个预留值不是虚拟机当前的“已用值”，而是你在虚拟机设置里手动指定的“保证值”。
- 若未设置预留值，平台默认按虚拟机的份额权重进行资源分配，故障切换时可能因为资源不足而排队等待
- 若设置了预留值，平台会为每台虚拟机保留对应的资源容量，确保故障发生时可以立即启动
- 预留值设置过高，会降低集群的整体密度，增加日常运营成本
只设置份额而不设置预留的风险
份额机制解决的是“资源争抢时的优先级排序”，但它不能保证资源“一定存在”，举个例子：两台虚拟机都没有设置预留，每台份额相同，当物理主机剩余资源仅够一台启动时，另一台就会一直等待，而如果你给核心业务虚拟机设置了充足的预留，即使它在等待,平台也会优先腾出资源让它运行。
故障迁移资源预留的具体配置方案
配置资源预留时，需要区分“虚拟机的预留”和“集群级准入控制”两个维度，前者是单台虚拟机的保证,后者是整个集群的可用性策略。
虚拟机级别的CPU与内存预留
单台虚拟机的资源预留设置路径如下（以VMware vSphere为例）：
- 关闭虚拟机电源，进入“编辑设置”
- 在“虚拟硬件”选项卡中，展开“CPU”选项，勾选“预留所有主机CPU”或手动输入预留的MHz值
- 展开“内存”选项，设置预留的MB值
- 确认预留值不超过所在主机的物理资源总量
核心原则：核心业务虚拟机按峰值负载设置预留，普通业务按平均值设置，测试环境可以不设置。 一台生产数据库虚拟机平时使用8GB内存，峰值时可能用到12GB，那么预留值建议设置在12GB以上，预留值设置的依据是“故障迁移后虚拟机必须能正常启动并支撑业务”，而不是“平时够用就行”。
集群级准入控制策略
在集群层面，需要开启准入控制功能，准入控制的作用是：在允许新虚拟机开机之前,先检查集群内是否有足够的故障切换容量。
操作路径：
- 在vSphere Client中，选择目标集群，进入“配置”选项卡
- 点击“虚拟机服务”下的“vSphere HA”设置
- 在“准入控制”策略中选择一种模式：
| 模式 | 原理 | 适用场景 |
|---|---|---|
| 集群资源百分比 | 预留集群总资源的某百分比用于故障切换 | 中小规模环境，配置简单 |
| 插槽大小策略 | 按单台虚拟机最大资源占用计算可用插槽数 | 虚拟机规格相对统一的场景 |
| 专用故障切换主机 | 指定一台或多台主机专用于故障迁移 | 大规模生产环境，成本较高 |
行业共识认为，集群资源百分比模式是性价比最高的选择，建议将预留比例设置在25%到30%之间，这个数值既能覆盖单台主机故障,又不会让太多算力闲置。
存储侧的资源预留
存储资源预留是虚拟化环境服务器故障迁移资源预留中最容易被忽视的一环，虚拟机发生故障迁移时，如果目标主机使用的存储数据存储空间不足,迁移同样会失败。
- 在数据存储层面，需要关注剩余可用空间是否大于待迁移虚拟机磁盘文件的总大小
- 建议为数据存储设置“告警阈值”，当剩余空间低于20%时触发提醒
- 在虚拟机设置中，可以为磁盘开启“精简置备”模式，但这种模式对性能有轻微影响，生产环境慎用
场景化对比：不同规模环境的预留策略
资源预留不是一套配置走天下,需要根据环境规模和业务属性灵活调整。
中小规模集群的资源预留做法
对于10台以内物理服务器的环境，虚拟化平台资源预留的核心目标是“保证业务不中断”,此时建议：
- 集群预留比例设置为25%，覆盖单台主机故障的切换需求
- 核心业务虚拟机预留值设为峰值负载的120%，留出余量
- 使用集群资源百分比模式，减少管理复杂度
- 定期检查主机剩余容量，避免长期处于“无切换能力”状态
大规模环境下的精细化预留
大型集群动辄几十台物理主机，如果统一预留25%的资源，浪费的算力非常可观，此时可以采用插槽大小策略,并配合虚拟机优先级分组：
- 将虚拟机按“核心生产”“一般生产”“研发测试”三个等级分组
- 核心生产组设置100%的预留保证，一般生产组设置50%，研发测试组不设置
- 启用vSphere HA的“虚拟机监控”功能，对响应不达标的虚拟机自动重启
- 预留策略结合分布式资源调度器，在平时动态调整负载，在故障时立刻锁定预留容量
云环境下虚拟化故障迁移的预留思路
公有云场景下的故障迁移逻辑与本地虚拟化环境略有不同，但核心思想相通，云平台一般通过“实例组”或“可用区”来管理容灾，创建实例时就可以指定“故障域”数量,这里需要关注的是：
- 为关键业务实例设置“地域级”冗余，不要把所有业务放在同一个可用区
- 使用云平台的自动伸缩组，提前设定最小实例数和最大实例数，故障发生时自动补充
- 云硬盘的快照策略是存储层面预留的关键，建议设置每日自动快照并保留至少3份
故障迁移资源预留的常见误区和排查方法
即使配置了资源预留，故障迁移仍然可能出问题,以下是实际运维中经常遇到的几种情况。
预留值超出物理主机容量导致无法启动
当虚拟机的预留值大于集群中任何一台主机的物理资源时，这台虚拟机将永远无法完成迁移，这种配置错误在故障发生时才会暴露,后果非常严重。
排查方法：在vSphere Client中，选中虚拟机，查看“资源分配”选项卡的“预留”列，如果预留值大于单台主机的资源总量，平台会显示警告图标，也可以在集群的“页面查看“剩余故障切换容量”,这个数值必须保持为正值。
主机进入维护模式后迁移失败
运维人员将主机置为维护模式时，平台会尝试迁移其上运行的虚拟机，如果目标主机资源不足，迁移会中断，维护操作无法完成，此时需要临时降低某些虚拟机的预留值，或者先关闭低优先级虚拟机,待维护完成后再启动。
多台主机同时故障时的资源争抢
集群的预留容量通常只能覆盖单台主机故障，如果同时宕掉两台主机，预留容量必然不够，针对这种情况,建议：
- 将业务按重要性分层，确保最核心的虚拟机优先获得资源
- 在虚拟机设置中，为高优先级虚拟机设置较高的“份额”数值
- 开启vSphere HA的“虚拟机重新启动优先级”功能，将核心业务设置为“已启用且为最高优先级”
故障迁移完成后的复盘与资源调整
故障迁移成功不代表配置已经完善，每次故障迁移后，都需要进行一次复盘,验证预留策略是否合理。
检查迁移后的性能表现
虚拟机在故障迁移后，如果性能明显下降，说明目标主机的资源预留不够充分，需要观察CPU就绪时间、内存交换率等指标,判断是否需要增加预留值或增加集群节点。
定期执行故障迁移演练
建议每季度执行一次故障迁移演练，模拟单台主机宕机，观察集群的切换时间、虚拟机的启动顺序、业务恢复时间，演练过程中记录的数据,是调整预留策略最可靠的依据。
预留比例并非越高越好
预留比例过高会导致大量算力闲置，以一个8台物理主机的集群为例，每台主机配置128GB内存，如果预留比例设为50%，日常可用的内存容量仅为512GB，而实际业务可能只需要400GB，这种情况下，适当降低预留比例，同时依靠份额机制保障关键业务的优先级,反而更划算。
虚拟化环境服务器故障迁移资源预留相关的常见问题
虚拟机迁移失败提示“资源不足”怎么办？
首先确认目标主机是否有足够的物理资源，然后在虚拟机的“资源分配”中查看预留值是否设置得过高，如果故障切换时目标主机剩余资源确实不够，可以临时将非核心虚拟机的预留值调低,或者迁移一部分负载到其他集群。
故障迁移时CPU预留和内存预留哪个更重要？
两者同等重要，内存不足时虚拟机可能无法启动或启动后进程被系统杀死，CPU不足时虚拟机启动极慢且业务响应超时，建议同时设置CPU和内存预留,且预留值都要覆盖业务峰值。
故障迁移资源预留需要为存储预留多少空间？
存储预留没有统一比例，关键看虚拟机磁盘文件的总大小，建议数据存储的剩余空间始终保持在虚拟机磁盘总大小的2倍以上，同时开启告警机制,空间不足时自动通知运维人员。
虚拟化环境服务器故障迁移资源预留是一项需要持续调优的工作，没有一劳永逸的配置，把预留策略当成一种投资：平时投入一点资源规划，故障发生时才能换回业务的安全稳定，从今天起，检查一下你的集群准入控制设置，确认每台核心虚拟机的预留值是否匹配业务峰值，然后定期演练一次故障切换，你的虚拟化环境会真正具备“扛故障”的能力。