【實戰分享】重建我的 Proxmox 家用實驗室：WhatsUp Gold 360、HA 測試與真實災難復原
嗨，各位科技同好！最近我花了一些時間，重新打造家中的 Proxmox 實驗室，這是一段充滿驚喜與教訓的技術旅程。這次的重建不只挑戰了我對虛擬化的理解，也讓我親身體驗了高可用性（HA）、ZFS 儲存韌性、真實災難復原（DR）流程。這篇文章將帶大家看看我如何從無到有，建立一套高效又穩定的環境。
架構設計：選擇 Proxmox 與 ZFS 的理由
我選擇 Proxmox 作為核心虛擬化平台，主要看重以下幾點：
- 內建高可用性（HA）機制
- 自動故障轉移與備份功能
- 開源且社群活躍，資源豐富
在儲存方面，我採用了 ZFS 搭配本地陣列的資料複製，同時也透過 NFS 建立第二層的共享儲存。原本想透過模擬來測試 HA，沒想到意外真的來了……
意外的災難測試：從網卡異常啟動 HA
我使用的是舊型 HPe DL360 Gen9 主機，其中一張 10GbE 網卡不穩，導致 Linux bonding 頻繁斷線，意外觸發了 HA。Proxmox 立即啟動故障轉移程序，花不到三秒就把受影響的虛擬機轉移至其他節點，WhatsUp Gold 服務在 40 秒內自動恢復！
有趣的是，ZFS 複製的儲存比 NFS 儲存還快恢復使用，這可能跟連接速度（10GbE 對 2GbE）有關，這也再次證明 ZFS 的穩定性與效能。
借助 GenAI 提升部署效率
我透過 GenAI 輔助配置整個叢集，根據硬體資源調整設定、建立 HA 結構與 ZFS 複製流程。同時，我也寫了一支 PowerShell 腳本，透過 Proxmox API 擷取主機與 VM 資訊，並整合至 WhatsUp Gold 的監控系統中。此外，我還建立了 Proxmox 的 SNMP 模板，讓 WhatsUp Gold 可即時監控服務狀態。
HA 驗證：從 Kernel Panic 中學到的事
在一次核心異常（kernel panic）事件中，我實際驗證了 HA 功能的穩定度。透過 GenAI 的協助，我快速比對日誌、追蹤時間點並確認原因，成功重建了整個節點並讓 HA 自動恢復運作，這讓我對新環境的穩定性更具信心。
NFS 儲存中斷事件：真實災難來了！
某個星期五早上，我突然收到 WhatsUp Gold 360 警示，指出連接器異常。打開網站一看，整個生產環境竟然下線！
深入調查發現：所有托管在 NFS 的 VM 全數失聯，包括主力 WhatsUp Gold 伺服器。NFS 系統完全宕機，無法 ping 通、SSH、HTTPS 也都失效。這次事件讓我更堅信：「備份」與「儲存冗餘」永遠是系統設計的核心。
從備份中重生：一步步救回我的 VM
我先強制重啟儲存系統，並從 USB 裝置還原備份。在 GenAI 協助下，我逐步建立新的 Linux VM，使用 WinSCP 傳輸檔案、qemu-img 轉換磁碟，順利還原 AlmaLinux 與 Ubuntu 系統。
比較棘手的是 Windows VM，無論如何都無法啟動。最後我找到了 guestmount 工具，直接掛載虛擬磁碟、擷取 SQL Server 資料庫（MDF/LDF），再移植至 ZFS 測試機，成功救回數據。
學到的教訓與系統調整
這次經驗讓我更加重視以下幾點：
- ZFS 的穩定性：在整個故障期間，ZFS VM 完全沒受影響。
- 多層次備份策略：
- Proxmox 定期備份至 ZFS 本地磁碟陣列
- 每日/每週備份至 NFS
- 透過 WinSCP 將備份複製至 Windows 主機並同步至 OneDrive
- 減少 NFS 過度依賴：我已將大部分 VM 移至 ZFS 儲存，NFS 僅作為異地備援使用。
結語：從混亂中建立韌性架構
從一開始的建置、到突如其來的故障與還原，這段旅程充滿挑戰與成就感。Proxmox 的強大能力，加上 ZFS 與備份策略，讓我建立起能應對真實場景的堅韌環境。
未來我將繼續優化家庭實驗室的架構，也會持續分享更多經驗。如果你也在經營家庭 Lab，或對高可用性架構有興趣，歡迎交流！
本文改寫自 Jason Alberino 發表於 Progress WhatsUp Gold 官方部落格的原文
