]> git.proxmox.com Git - pve-ha-manager.git/blobdiff - src/PVE/HA/Manager.pm
manager: clear stale maintenance node caused by simultaneous cluster shutdown
[pve-ha-manager.git] / src / PVE / HA / Manager.pm
index 0847ca1c3fa7191d03dffbdfc791e7a7668db6a0..6a13360d8012dd57a5936a4b2604a32a3596529f 100644 (file)
@@ -2,19 +2,46 @@ package PVE::HA::Manager;
 
 use strict;
 use warnings;
+
 use Digest::MD5 qw(md5_base64);
 
-use Data::Dumper;
 use PVE::Tools;
 use PVE::HA::Tools ':exit_codes';
 use PVE::HA::NodeStatus;
+use PVE::HA::Usage::Basic;
+use PVE::HA::Usage::Static;
+
+## Variable Name & Abbreviations Convention
+#
+# The HA stack has some variables it uses frequently and thus abbreviates it such that it may be
+# confusing for new readers. Here's a short list of the most common used.
+#
+# NOTE: variables should be assumed to be read only if not otherwise stated, only use the specific
+# methods to re-compute/read/alter them.
+#
+# - $haenv -> HA environment, the main interface to the simulator/test/real world
+# - $sid -> Service ID, unique identifier for a service, `type:vmid` is common
+#
+# - $ms -> Master/Manager Status, contains runtime info from the current active manager
+# - $ns -> Node Status, hash holding online/offline status about all nodes
+#
+# - $ss -> Service Status, hash holding the current state (last LRM cmd result, failed starts
+#          or migrates, maintenance fallback node, for *all* services ...
+# - $sd -> Service Data, the service status of a *single* service, iow. $ss->{$sid}
+#
+# - $sc -> Service Configuration, hash for all services including target state, group, ...
+# - $cd -> Configuration Data, the service config of a *single* service, iow. $sc->{$sid}
+#
+# Try to avoid adding new two letter (or similar over abbreviated) names, but also don't send
+# patches for changing above, as that set is mostly sensible and should be easy to remember once
+# spending a bit time in the HA code base.
 
 sub new {
     my ($this, $haenv) = @_;
 
     my $class = ref($this) || $this;
 
-    my $self = bless { haenv => $haenv }, $class;
+    my $self = bless { haenv => $haenv, crs => {} }, $class;
 
     my $old_ms = $haenv->read_manager_status();
 
@@ -27,9 +54,39 @@ sub new {
 
     $self->{ms} = { master_node => $haenv->nodename() };
 
+    # take over node request state to ensure a node in (manual) maintenance mode stays that way
+    # on change of active master.
+    $self->{ms}->{node_request} = $old_ms->{node_request} if defined($old_ms->{node_request});
+
+    $self->update_crs_scheduler_mode(); # initial set, we update it once every loop
+
     return $self;
 }
 
+sub update_crs_scheduler_mode {
+    my ($self) = @_;
+
+    my $haenv = $self->{haenv};
+    my $dc_cfg = $haenv->get_datacenter_settings();
+
+    $self->{crs}->{rebalance_on_request_start} = !!$dc_cfg->{crs}->{'ha-rebalance-on-start'};
+
+    my $old_mode = $self->{crs}->{scheduler};
+    my $new_mode = $dc_cfg->{crs}->{ha} || 'basic';
+
+    if (!defined($old_mode)) {
+       $haenv->log('info', "using scheduler mode '$new_mode'") if $new_mode ne 'basic';
+    } elsif ($new_mode eq $old_mode) {
+       return; # nothing to do
+    } else {
+       $haenv->log('info', "switching scheduler mode from '$old_mode' to '$new_mode'");
+    }
+
+    $self->{crs}->{scheduler} = $new_mode;
+
+    return;
+}
+
 sub cleanup {
     my ($self) = @_;
 
@@ -44,22 +101,28 @@ sub flush_master_status {
     $ms->{node_status} = $ns->{status};
     $ms->{service_status} = $ss;
     $ms->{timestamp} = $haenv->get_time();
-    
+
     $haenv->write_manager_status($ms);
-} 
+}
 
-sub select_service_node {
-    my ($groups, $online_node_usage, $service_conf, $current_node, $try_next) = @_;
+sub get_service_group {
+    my ($groups, $online_node_usage, $service_conf) = @_;
 
     my $group = {};
     # add all online nodes to default group to allow try_next when no group set
-    foreach my $node (keys %$online_node_usage) {
-       $group->{nodes}->{$node} = 1;
-    }
+    $group->{nodes}->{$_} = 1 for $online_node_usage->list_nodes();
 
     # overwrite default if service is bound to a specific group
-    $group =  $groups->{ids}->{$service_conf->{group}} if $service_conf->{group} && 
-       $groups->{ids}->{$service_conf->{group}};
+    if (my $group_id = $service_conf->{group}) {
+       $group = $groups->{ids}->{$group_id} if $groups->{ids}->{$group_id};
+    }
+
+    return $group;
+}
+
+# groups available nodes with their priority as group index
+sub get_node_priority_groups {
+    my ($group, $online_node_usage) = @_;
 
     my $pri_groups = {};
     my $group_members = {};
@@ -68,28 +131,36 @@ sub select_service_node {
        if ($entry =~ m/^(\S+):(\d+)$/) {
            ($node, $pri) = ($1, $2);
        }
-       next if !defined($online_node_usage->{$node}); # offline
+       next if !$online_node_usage->contains_node($node); # offline
        $pri_groups->{$pri}->{$node} = 1;
        $group_members->{$node} = $pri;
     }
 
-    
     # add non-group members to unrestricted groups (priority -1)
     if (!$group->{restricted}) {
        my $pri = -1;
-       foreach my $node (keys %$online_node_usage) {
+       for my $node ($online_node_usage->list_nodes()) {
            next if defined($group_members->{$node});
            $pri_groups->{$pri}->{$node} = 1;
            $group_members->{$node} = -1;
        }
     }
 
+    return ($pri_groups, $group_members);
+}
+
+sub select_service_node {
+    my ($groups, $online_node_usage, $sid, $service_conf, $current_node, $try_next, $tried_nodes, $maintenance_fallback, $best_scored) = @_;
+
+    my $group = get_service_group($groups, $online_node_usage, $service_conf);
+
+    my ($pri_groups, $group_members) = get_node_priority_groups($group, $online_node_usage);
 
     my @pri_list = sort {$b <=> $a} keys %$pri_groups;
     return undef if !scalar(@pri_list);
 
     # stay on current node if possible (avoids random migrations)
-    if (!$try_next && $group->{nofailback} && defined($group_members->{$current_node})) {
+    if ((!$try_next && !$best_scored) && $group->{nofailback} && defined($group_members->{$current_node})) {
        return $current_node;
     }
 
@@ -97,8 +168,21 @@ sub select_service_node {
 
     my $top_pri = $pri_list[0];
 
-    my @nodes = sort { 
-       $online_node_usage->{$a} <=> $online_node_usage->{$b} || $a cmp $b
+    # try to avoid nodes where the service failed already if we want to relocate
+    if ($try_next) {
+       foreach my $node (@$tried_nodes) {
+           delete $pri_groups->{$top_pri}->{$node};
+       }
+    }
+
+    return $maintenance_fallback
+       if defined($maintenance_fallback) && $pri_groups->{$top_pri}->{$maintenance_fallback};
+
+    return $current_node if (!$try_next && !$best_scored) && $pri_groups->{$top_pri}->{$current_node};
+
+    my $scores = $online_node_usage->score_nodes_to_start_service($sid, $current_node);
+    my @nodes = sort {
+       $scores->{$a} <=> $scores->{$b} || $a cmp $b
     } keys %{$pri_groups->{$top_pri}};
 
     my $found;
@@ -106,24 +190,17 @@ sub select_service_node {
        my $node = $nodes[$i];
        if ($node eq $current_node) {
            $found = $i;
-           last;
        }
     }
 
     if ($try_next) {
-
-       if (defined($found) && ($found < (scalar(@nodes) - 1))) {
+       if (!$best_scored && defined($found) && ($found < (scalar(@nodes) - 1))) {
            return $nodes[$found + 1];
        } else {
            return $nodes[0];
        }
-
     } else {
-
-       return $nodes[$found] if defined($found);
-
        return $nodes[0];
-
     }
 }
 
@@ -131,7 +208,7 @@ my $uid_counter = 0;
 
 sub compute_new_uuid {
     my ($state) = @_;
-    
+
     $uid_counter++;
     return md5_base64($state . $$ . time() . $uid_counter);
 }
@@ -139,38 +216,77 @@ sub compute_new_uuid {
 my $valid_service_states = {
     stopped => 1,
     request_stop => 1,
+    request_start => 1,
+    request_start_balance => 1,
     started => 1,
     fence => 1,
+    recovery => 1,
     migrate => 1,
     relocate => 1,
     freeze => 1,
     error => 1,
 };
 
+# FIXME with 'static' mode and thousands of services, the overhead can be noticable and the fact
+# that this function is called for each state change and upon recovery doesn't help.
 sub recompute_online_node_usage {
     my ($self) = @_;
 
-    my $online_node_usage = {};
+    my $haenv = $self->{haenv};
 
     my $online_nodes = $self->{ns}->list_online_nodes();
 
-    foreach my $node (@$online_nodes) {
-       $online_node_usage->{$node} = 0;
+    my $online_node_usage;
+
+    if (my $mode = $self->{crs}->{scheduler}) {
+       if ($mode eq 'static') {
+           $online_node_usage = eval {
+               my $scheduler = PVE::HA::Usage::Static->new($haenv);
+               $scheduler->add_node($_) for $online_nodes->@*;
+               return $scheduler;
+           };
+           $haenv->log('warning', "fallback to 'basic' scheduler mode, init for 'static' failed - $@")
+               if $@;
+       } elsif ($mode eq 'basic') {
+           # handled below in the general fall-back case
+       } else {
+           $haenv->log('warning', "got unknown scheduler mode '$mode', using 'basic'");
+       }
+    }
+
+    # fallback to the basic algorithm in any case
+    if (!$online_node_usage) {
+       $online_node_usage = PVE::HA::Usage::Basic->new($haenv);
+       $online_node_usage->add_node($_) for $online_nodes->@*;
     }
 
-    foreach my $sid (keys %{$self->{ss}}) {
+    foreach my $sid (sort keys %{$self->{ss}}) {
        my $sd = $self->{ss}->{$sid};
        my $state = $sd->{state};
-       if (defined($online_node_usage->{$sd->{node}})) {
-           if (($state eq 'started') || ($state eq 'request_stop') || 
-               ($state eq 'fence') || ($state eq 'freeze') || ($state eq 'error')) {
-               $online_node_usage->{$sd->{node}}++;
-           } elsif (($state eq 'migrate') || ($state eq 'relocate')) {
-               $online_node_usage->{$sd->{target}}++;
-           } elsif ($state eq 'stopped') {
+       my $target = $sd->{target}; # optional
+       if ($online_node_usage->contains_node($sd->{node})) {
+           if (
+               $state eq 'started' || $state eq 'request_stop' || $state eq 'fence'
+               || $state eq 'freeze' || $state eq 'error' || $state eq 'recovery'
+           ) {
+               $online_node_usage->add_service_usage_to_node($sd->{node}, $sid, $sd->{node});
+           } elsif ($state eq 'migrate' || $state eq 'relocate' || $state eq 'request_start_balance') {
+               my $source = $sd->{node};
+               # count it for both, source and target as load is put on both
+               $online_node_usage->add_service_usage_to_node($source, $sid, $source, $target)
+                   if $state ne 'request_start_balance';
+               $online_node_usage->add_service_usage_to_node($target, $sid, $source, $target);
+           } elsif ($state eq 'stopped' || $state eq 'request_start') {
                # do nothing
            } else {
-               die "should not be reached";
+               die "should not be reached (sid = '$sid', state = '$state')";
+           }
+       } elsif (defined($target) && $online_node_usage->contains_node($target)) {
+           if ($state eq 'migrate' || $state eq 'relocate') {
+               # to correctly track maintenance modi and also consider the target as used for the
+               # case a node dies, as we cannot really know if the to-be-aborted incoming migration
+               # has already cleaned up all used resources
+               $online_node_usage->add_service_usage_to_node($target, $sid, $sd->{node}, $target);
            }
        }
     }
@@ -187,6 +303,8 @@ my $change_service_state = sub {
 
     my $old_state = $sd->{state};
     my $old_node = $sd->{node};
+    my $old_failed_nodes = $sd->{failed_nodes};
+    my $old_maintenance_node = $sd->{maintenance_node};
 
     die "no state change" if $old_state eq $new_state; # just to be sure
 
@@ -196,6 +314,8 @@ my $change_service_state = sub {
 
     $sd->{state} = $new_state;
     $sd->{node} = $old_node;
+    $sd->{failed_nodes} = $old_failed_nodes if defined($old_failed_nodes);
+    $sd->{maintenance_node} = $old_maintenance_node if defined($old_maintenance_node);
 
     my $text_state = '';
     foreach my $k (sort keys %params) {
@@ -210,49 +330,41 @@ my $change_service_state = sub {
     $sd->{uid} = compute_new_uuid($new_state);
 
     $text_state = "  ($text_state)" if $text_state;
-    $haenv->log('info', "service '$sid': state changed from '${old_state}'" .
-               " to '${new_state}'$text_state");
+    $haenv->log('info', "service '$sid': state changed from '${old_state}' to '${new_state}'$text_state");
 };
 
-# after a node was fenced this recovers the service to a new node
-my $recover_fenced_service = sub {
-    my ($self, $sid, $cd) = @_;
-
-    my ($haenv, $ss) = ($self->{haenv}, $self->{ss});
-
-    my $sd = $ss->{$sid};
+# clean up a possible bad state from a recovered service to allow its start
+my $fence_recovery_cleanup = sub {
+    my ($self, $sid, $fenced_node) = @_;
 
-    if ($sd->{state} ne 'fence') { # should not happen
-       $haenv->log('err', "cannot recover service '$sid' from fencing," .
-                   " wrong state '$sd->{state}'");
-       return;
-    }
-
-    my $fenced_node = $sd->{node}; # for logging purpose
-
-    $self->recompute_online_node_usage(); # we want the most current node state
-
-    my $recovery_node = select_service_node($self->{groups},
-                                           $self->{online_node_usage},
-                                           $cd, $sd->{node});
-
-    if ($recovery_node) {
-       $haenv->log('info', "recover service '$sid' from fenced node " .
-                   "'$fenced_node' to node '$recovery_node'");
-
-       $haenv->steal_service($sid, $sd->{node}, $recovery_node);
+    my $haenv = $self->{haenv};
 
-       # $sd *is normally read-only*, fencing is the exception
-       $cd->{node} = $sd->{node} = $recovery_node;
-       &$change_service_state($self, $sid, 'started', node => $recovery_node);
-    } else {
-       # no node found, let the service in 'fence' state and try again
-       $haenv->log('err', "recovering service '$sid' from fenced node " .
-                   "'$fenced_node' failed, no recovery node found");
+    my (undef, $type, $id) = $haenv->parse_sid($sid);
+    my $plugin = PVE::HA::Resources->lookup($type);
+
+    # should not happen
+    die "unknown resource type '$type'" if !$plugin;
+
+    # locks may block recovery, cleanup those which are safe to remove after fencing,
+    # i.e., after the original node was reset and thus all it's state
+    my $removable_locks = [
+       'backup',
+       'mounted',
+       'migrate',
+       'clone',
+       'rollback',
+       'snapshot',
+       'snapshot-delete',
+       'suspending',
+       'suspended',
+    ];
+    if (my $removed_lock = $plugin->remove_locks($haenv, $id, $removable_locks, $fenced_node)) {
+       $haenv->log('warning', "removed leftover lock '$removed_lock' from recovered " .
+                   "service '$sid' to allow its start.");
     }
 };
 
-# read LRM status for all nodes 
+# read LRM status for all nodes
 sub read_lrm_status {
     my ($self) = @_;
 
@@ -270,7 +382,6 @@ sub read_lrm_status {
        }
     }
 
-    
     return ($results, $modes);
 }
 
@@ -281,27 +392,55 @@ sub update_crm_commands {
     my ($haenv, $ms, $ns, $ss) = ($self->{haenv}, $self->{ms}, $self->{ns}, $self->{ss});
 
     my $cmdlist = $haenv->read_crm_commands();
-    
+
     foreach my $cmd (split(/\n/, $cmdlist)) {
        chomp $cmd;
 
        if ($cmd =~ m/^(migrate|relocate)\s+(\S+)\s+(\S+)$/) {
-           my ($task, $sid, $node) = ($1, $2, $3); 
+           my ($task, $sid, $node) = ($1, $2, $3);
            if (my $sd = $ss->{$sid}) {
                if (!$ns->node_is_online($node)) {
                    $haenv->log('err', "crm command error - node not online: $cmd");
                } else {
                    if ($node eq $sd->{node}) {
                        $haenv->log('info', "ignore crm command - service already on target node: $cmd");
-                   } else { 
+                   } else {
                        $haenv->log('info', "got crm command: $cmd");
-                       $ss->{$sid}->{cmd} = [ $task, $node];
+                       $ss->{$sid}->{cmd} = [ $task, $node ];
                    }
                }
            } else {
                $haenv->log('err', "crm command error - no such service: $cmd");
            }
 
+       } elsif ($cmd =~ m/^stop\s+(\S+)\s+(\S+)$/) {
+           my ($sid, $timeout) = ($1, $2);
+           if (my $sd = $ss->{$sid}) {
+               $haenv->log('info', "got crm command: $cmd");
+               $ss->{$sid}->{cmd} = [ 'stop', $timeout ];
+           } else {
+               $haenv->log('err', "crm command error - no such service: $cmd");
+           }
+       } elsif ($cmd =~ m/^enable-node-maintenance\s+(\S+)$/) {
+           my $node = $1;
+
+           my $state = $ns->get_node_state($node);
+           if ($state eq 'online') {
+               $ms->{node_request}->{$node}->{maintenance} = 1;
+           } elsif ($state eq 'maintenance') {
+               $haenv->log('info', "ignoring crm command - node $node is already in maintenance state");
+           } else {
+               $haenv->log('err', "crm command error - node not online: $cmd");
+           }
+       } elsif ($cmd =~ m/^disable-node-maintenance\s+(\S+)$/) {
+           my $node = $1;
+
+           my $state = $ns->get_node_state($node);
+           if ($state ne 'maintenance') {
+               $haenv->log(
+                   'warn', "clearing maintenance of node $node requested, but it's in state $state");
+           }
+           delete $ms->{node_request}->{$node}->{maintenance}; # gets flushed out at the end of the CRM loop
        } else {
            $haenv->log('err', "unable to parse crm command: $cmd");
        }
@@ -314,14 +453,17 @@ sub manage {
 
     my ($haenv, $ms, $ns, $ss) = ($self->{haenv}, $self->{ms}, $self->{ns}, $self->{ss});
 
-    $ns->update($haenv->get_node_info());
+    my ($node_info) = $haenv->get_node_info();
+    my ($lrm_results, $lrm_modes) = $self->read_lrm_status();
+
+    $ns->update($node_info, $lrm_modes);
 
-    if (!$ns->node_is_online($haenv->nodename())) {
+    if (!$ns->node_is_operational($haenv->nodename())) {
        $haenv->log('info', "master seems offline");
        return;
     }
 
-    my ($lrm_results, $lrm_modes) = $self->read_lrm_status();
+    $self->update_crs_scheduler_mode();
 
     my $sc = $haenv->read_service_config();
 
@@ -332,29 +474,33 @@ sub manage {
     # add new service
     foreach my $sid (sort keys %$sc) {
        next if $ss->{$sid}; # already there
-       $haenv->log('info', "adding new service '$sid' on node '$sc->{$sid}->{node}'");
+       my $cd = $sc->{$sid};
+       next if $cd->{state} eq 'ignored';
+
+       $haenv->log('info', "adding new service '$sid' on node '$cd->{node}'");
        # assume we are running to avoid relocate running service at add
-       $ss->{$sid} = { state => 'started', node => $sc->{$sid}->{node},
-                       uid => compute_new_uuid('started') };
+       my $state = ($cd->{state} eq 'started') ? 'request_start' : 'request_stop';
+       $ss->{$sid} = {
+           state => $state, node => $cd->{node}, uid => compute_new_uuid('started'),
+       };
     }
 
-    # remove stale service from manager state
+    # remove stale or ignored services from manager state
     foreach my $sid (keys %$ss) {
-       next if $sc->{$sid};
-       $haenv->log('info', "removing stale service '$sid' (no config)");
-       delete $ss->{$sid};
-    }
+       next if $sc->{$sid} && $sc->{$sid}->{state} ne 'ignored';
+
+       my $reason =  defined($sc->{$sid}) ? 'ignored state requested' : 'no config';
+       $haenv->log('info', "removing stale service '$sid' ($reason)");
 
-    # remove stale relocation try entries
-    foreach my $sid (keys %{$ms->{relocate_trial}}) {
-       delete $ms->{relocate_trial}->{$sid} if !$ss->{$sid};
+       # remove all service related state information
+       delete $ss->{$sid};
     }
 
     $self->update_crm_commands();
 
     for (;;) {
        my $repeat = 0;
-       
+
        $self->recompute_online_node_usage();
 
        foreach my $sid (sort keys %$ss) {
@@ -373,7 +519,11 @@ sub manage {
 
                $self->next_state_started($sid, $cd, $sd, $lrm_res);
 
-           } elsif ($last_state eq 'migrate' || $last_state eq 'relocate') {
+           } elsif ($last_state eq 'request_start') {
+
+               $self->next_state_request_start($sid, $cd, $sd, $lrm_res);
+
+           } elsif ($last_state eq 'migrate' || $last_state eq 'relocate' || $last_state eq 'request_start_balance') {
 
                $self->next_state_migrate_relocate($sid, $cd, $sd, $lrm_res);
 
@@ -381,6 +531,10 @@ sub manage {
 
                # do nothing here - wait until fenced
 
+           } elsif ($last_state eq 'recovery') {
+
+               $self->next_state_recovery($sid, $cd, $sd, $lrm_res);
+
            } elsif ($last_state eq 'request_stop') {
 
                $self->next_state_request_stop($sid, $cd, $sd, $lrm_res);
@@ -388,9 +542,10 @@ sub manage {
            } elsif ($last_state eq 'freeze') {
 
                my $lrm_mode = $sd->{node} ? $lrm_modes->{$sd->{node}} : undef;
-               # unfreeze
-               &$change_service_state($self, $sid, 'started') 
-                   if $lrm_mode && $lrm_mode eq 'active';
+               if ($lrm_mode && $lrm_mode eq 'active') { # unfreeze if active again
+                   my $state = ($cd->{state} eq 'started') ? 'started' : 'request_stop';
+                   $change_service_state->($self, $sid, $state);
+               }
 
            } elsif ($last_state eq 'error') {
 
@@ -403,9 +558,9 @@ sub manage {
 
            my $lrm_mode = $sd->{node} ? $lrm_modes->{$sd->{node}} : undef;
            if ($lrm_mode && $lrm_mode eq 'restart') {
-               if (($sd->{state} eq 'started' || $sd->{state} eq 'stopped' ||
-                    $sd->{state} eq 'request_stop')) {
-                   &$change_service_state($self, $sid, 'freeze');
+               my $state = $sd->{state};
+               if ($state eq 'started' || $state eq 'stopped'|| $state eq 'request_stop') {
+                   $change_service_state->($self, $sid, 'freeze');
                }
            }
 
@@ -415,17 +570,27 @@ sub manage {
        # handle fencing
        my $fenced_nodes = {};
        foreach my $sid (sort keys %$ss) {
-           my $sd = $ss->{$sid};
-           next if $sd->{state} ne 'fence';
+           my ($service_state, $service_node) = $ss->{$sid}->@{'state', 'node'};
+           next if $service_state ne 'fence';
 
-           if (!defined($fenced_nodes->{$sd->{node}})) {
-               $fenced_nodes->{$sd->{node}} = $ns->fence_node($sd->{node}) || 0;
+           if (!defined($fenced_nodes->{$service_node})) {
+               $fenced_nodes->{$service_node} = $ns->fence_node($service_node) || 0;
            }
 
-           next if !$fenced_nodes->{$sd->{node}};
+           next if !$fenced_nodes->{$service_node};
 
            # node fence was successful - recover service
-           &$recover_fenced_service($self, $sid, $sc->{$sid});
+           $change_service_state->($self, $sid, 'recovery');
+           $repeat = 1; # for faster recovery execution
+       }
+
+       # Avoid that a node without services in 'fence' state (e.g., removed
+       # manually by admin) is stuck with the 'fence' node state.
+       for my $node (sort grep { !defined($fenced_nodes->{$_}) } keys $ns->{status}->%*) {
+           next if $ns->get_node_state($node) ne 'fence';
+
+           $haenv->log('notice', "node '$node' in fence state but no services to-fence! admin interference?!");
+           $repeat = 1 if $ns->fence_node($node);
        }
 
        last if !$repeat;
@@ -475,7 +640,7 @@ sub next_state_migrate_relocate {
     # check result from LRM daemon
     if ($lrm_res) {
        my $exit_code = $lrm_res->{exit_code};
-       my $req_state = $cd->{state} eq 'enabled' ? 'started' : 'request_stop';
+       my $req_state = $cd->{state} eq 'started' ? 'started' : 'request_stop';
        if ($exit_code == SUCCESS) {
            &$change_service_state($self, $sid, $req_state, node => $sd->{target});
            return;
@@ -483,6 +648,12 @@ sub next_state_migrate_relocate {
            $haenv->log('err', "service '$sid' - migration failed: service" .
                        " registered on wrong node!");
            &$change_service_state($self, $sid, 'error');
+       } elsif ($exit_code == IGNORED) {
+           $haenv->log(
+               "info",
+               "service '$sid' - rebalance-on-start request ignored - service already running",
+           );
+           $change_service_state->($self, $sid, $req_state, node => $sd->{node});
        } else {
            $haenv->log('err', "service '$sid' - migration failed (exit code $exit_code)");
            &$change_service_state($self, $sid, $req_state, node => $sd->{node});
@@ -496,7 +667,6 @@ sub next_state_migrate_relocate {
     }
 }
 
-
 sub next_state_stopped {
     my ($self, $sid, $cd, $sd, $lrm_res) = @_;
 
@@ -507,26 +677,28 @@ sub next_state_stopped {
        # this can happen if we fence a node with active migrations
        # hack: modify $sd (normally this should be considered read-only)
        $haenv->log('info', "fixup service '$sid' location ($sd->{node} => $cd->{node})");
-       $sd->{node} = $cd->{node}; 
+       $sd->{node} = $cd->{node};
     }
 
     if ($sd->{cmd}) {
-       my ($cmd, $target) = @{$sd->{cmd}};
-       delete $sd->{cmd};
+       my $cmd = shift @{$sd->{cmd}};
 
        if ($cmd eq 'migrate' || $cmd eq 'relocate') {
+           my $target = shift @{$sd->{cmd}};
            if (!$ns->node_is_online($target)) {
                $haenv->log('err', "ignore service '$sid' $cmd request - node '$target' not online");
            } elsif ($sd->{node} eq $target) {
                $haenv->log('info', "ignore service '$sid' $cmd request - service already on node '$target'");
            } else {
-               &$change_service_state($self, $sid, $cmd, node => $sd->{node},
-                                      target => $target);
+               &$change_service_state($self, $sid, $cmd, node => $sd->{node}, target => $target);
                return;
            }
+       } elsif ($cmd eq 'stop') {
+               $haenv->log('info', "ignore service '$sid' $cmd request - service already stopped");
        } else {
-           $haenv->log('err', "unknown command '$cmd' for service '$sid'"); 
+           $haenv->log('err', "unknown command '$cmd' for service '$sid'");
        }
+       delete $sd->{cmd};
     }
 
     if ($cd->{state} eq 'disabled') {
@@ -536,16 +708,65 @@ sub next_state_stopped {
        return;
     }
 
-    if ($cd->{state} eq 'enabled') {
-       # simply mark it started, if it's on the wrong node
-       # next_state_started will fix that for us
-       &$change_service_state($self, $sid, 'started', node => $sd->{node});
+    if ($ns->node_is_offline_delayed($sd->{node}) && $ns->get_node_state($sd->{node}) ne 'maintenance') {
+       &$change_service_state($self, $sid, 'fence');
+       return;
+    }
+
+    if ($cd->{state} eq 'stopped') {
+       # almost the same as 'disabled' state but the service will also get recovered
+       return;
+    }
+
+    if ($cd->{state} eq 'started') {
+       # simply mark it started, if it's on the wrong node next_state_started will fix that for us
+       $change_service_state->($self, $sid, 'request_start', node => $sd->{node});
        return;
     }
 
     $haenv->log('err', "service '$sid' - unknown state '$cd->{state}' in service configuration");
 }
 
+sub next_state_request_start {
+    my ($self, $sid, $cd, $sd, $lrm_res) = @_;
+
+    my $haenv = $self->{haenv};
+    my $current_node = $sd->{node};
+
+    if ($self->{crs}->{rebalance_on_request_start}) {
+       my $selected_node = select_service_node(
+           $self->{groups},
+           $self->{online_node_usage},
+           $sid,
+           $cd,
+           $sd->{node},
+           0, # try_next
+           $sd->{failed_nodes},
+           $sd->{maintenance_node},
+           1, # best_score
+       );
+       my $select_text = $selected_node ne $current_node ? 'new' : 'current';
+       $haenv->log('info', "service $sid: re-balance selected $select_text node $selected_node for startup");
+
+       if ($selected_node ne $current_node) {
+           $change_service_state->($self, $sid, 'request_start_balance', node => $current_node, target => $selected_node);
+           return;
+       }
+    }
+
+    $change_service_state->($self, $sid, 'started', node => $current_node);
+}
+
+sub record_service_failed_on_node {
+    my ($self, $sid, $node) = @_;
+
+    if (!defined($self->{ss}->{$sid}->{failed_nodes})) {
+       $self->{ss}->{$sid}->{failed_nodes} = [];
+    }
+
+    push @{$self->{ss}->{$sid}->{failed_nodes}}, $node;
+}
+
 sub next_state_started {
     my ($self, $sid, $cd, $sd, $lrm_res) = @_;
 
@@ -557,21 +778,26 @@ sub next_state_started {
        if ($ns->node_is_offline_delayed($sd->{node})) {
            &$change_service_state($self, $sid, 'fence');
        }
-       return;
+       if ($ns->get_node_state($sd->{node}) ne 'maintenance') {
+           return;
+       } else {
+           # save current node as fallback for when it comes out of maintenance
+           $sd->{maintenance_node} = $sd->{node};
+       }
     }
-       
-    if ($cd->{state} eq 'disabled') {
+
+    if ($cd->{state} eq 'disabled' || $cd->{state} eq 'stopped') {
        &$change_service_state($self, $sid, 'request_stop');
        return;
     }
 
-    if ($cd->{state} eq 'enabled') {
+    if ($cd->{state} eq 'started') {
 
        if ($sd->{cmd}) {
-           my ($cmd, $target) = @{$sd->{cmd}};
-           delete $sd->{cmd};
+           my $cmd = shift @{$sd->{cmd}};
 
            if ($cmd eq 'migrate' || $cmd eq 'relocate') {
+               my $target = shift @{$sd->{cmd}};
                if (!$ns->node_is_online($target)) {
                    $haenv->log('err', "ignore service '$sid' $cmd request - node '$target' not online");
                } elsif ($sd->{node} eq $target) {
@@ -580,54 +806,101 @@ sub next_state_started {
                    $haenv->log('info', "$cmd service '$sid' to node '$target'");
                    &$change_service_state($self, $sid, $cmd, node => $sd->{node}, target => $target);
                }
+           } elsif ($cmd eq 'stop') {
+               my $timeout = shift @{$sd->{cmd}};
+               if ($timeout == 0) {
+                   $haenv->log('info', "request immediate service hard-stop for service '$sid'");
+               } else {
+                   $haenv->log('info', "request graceful stop with timeout '$timeout' for service '$sid'");
+               }
+               &$change_service_state($self, $sid, 'request_stop', timeout => $timeout);
+               $haenv->update_service_config($sid, {'state' => 'stopped'});
            } else {
-               $haenv->log('err', "unknown command '$cmd' for service '$sid'"); 
+               $haenv->log('err', "unknown command '$cmd' for service '$sid'");
            }
+
+           delete $sd->{cmd};
+
        } else {
 
            my $try_next = 0;
+
            if ($lrm_res) {
+
                my $ec = $lrm_res->{exit_code};
                if ($ec == SUCCESS) {
 
-                   $master_status->{relocate_trial}->{$sid} = 0;
+                   if (defined($sd->{failed_nodes})) {
+                       $haenv->log('info', "relocation policy successful for '$sid' on node '$sd->{node}'," .
+                                   " failed nodes: " . join(', ', @{$sd->{failed_nodes}}) );
+                   }
+
+                   delete $sd->{failed_nodes};
 
-               } elsif ($ec == ERROR) {
-                   # apply our relocate policy if we got ERROR from the LRM
+                   # store flag to indicate successful start - only valid while state == 'started'
+                   $sd->{running} = 1;
+
+               } elsif ($ec == ERROR || $ec == EWRONG_NODE) {
 
-                   my $try = $master_status->{relocate_trial}->{$sid} || 0;
+                   delete $sd->{running};
 
-                   if ($try < $cd->{max_relocate}) {
+                   # apply our relocate policy if we got ERROR from the LRM
+                   $self->record_service_failed_on_node($sid, $sd->{node});
+
+                   if (scalar(@{$sd->{failed_nodes}}) <= $cd->{max_relocate}) {
 
-                       $try++;
                        # tell select_service_node to relocate if possible
                        $try_next = 1;
 
                        $haenv->log('warning', "starting service $sid on node".
                                   " '$sd->{node}' failed, relocating service.");
-                       $master_status->{relocate_trial}->{$sid} = $try;
 
                    } else {
 
-                       $haenv->log('err', "recovery policy for service".
-                                  " $sid failed, entering error state!");
+                       $haenv->log('err', "recovery policy for service $sid " .
+                                   "failed, entering error state. Failed nodes: ".
+                                   join(', ', @{$sd->{failed_nodes}}));
                        &$change_service_state($self, $sid, 'error');
                        return;
 
                    }
                } else {
-                   $haenv->log('err', "service '$sid' got unrecoverable error" .
-                               " (exit code $ec))");
+                   $self->record_service_failed_on_node($sid, $sd->{node});
+
+                   $haenv->log('err', "service '$sid' got unrecoverable error (exit code $ec))");
                    # we have no save way out (yet) for other errors
                    &$change_service_state($self, $sid, 'error');
                    return;
                }
            }
 
-           my $node = select_service_node($self->{groups}, $self->{online_node_usage}, 
-                                          $cd, $sd->{node}, $try_next);
+           my $node = select_service_node(
+               $self->{groups},
+               $self->{online_node_usage},
+               $sid,
+               $cd,
+               $sd->{node},
+               $try_next,
+               $sd->{failed_nodes},
+               $sd->{maintenance_node},
+           );
 
            if ($node && ($sd->{node} ne $node)) {
+               $self->{online_node_usage}->add_service_usage_to_node($node, $sid, $sd->{node});
+
+               if (defined(my $fallback = $sd->{maintenance_node})) {
+                   if ($node eq $fallback) {
+                       $haenv->log(
+                           'info',
+                           "moving service '$sid' back to '$fallback', node came back from maintenance.",
+                       );
+                       delete $sd->{maintenance_node};
+                   } elsif ($sd->{node} ne $fallback) {
+                       $haenv->log('info', "dropping maintenance fallback node '$fallback' for '$sid'");
+                       delete $sd->{maintenance_node};
+                   }
+               }
+
                if ($cd->{type} eq 'vm') {
                    $haenv->log('info', "migrate service '$sid' to node '$node' (running)");
                    &$change_service_state($self, $sid, 'migrate', node => $sd->{node}, target => $node);
@@ -636,8 +909,35 @@ sub next_state_started {
                    &$change_service_state($self, $sid, 'relocate', node => $sd->{node}, target => $node);
                }
            } else {
+               if ($try_next && !defined($node)) {
+                   $haenv->log(
+                       'warning',
+                       "Start Error Recovery: Tried all available nodes for service '$sid', retry"
+                           ." start on current node. Tried nodes: " . join(', ', @{$sd->{failed_nodes}},
+                       )
+                   );
+               }
+
+               if ($sd->{maintenance_node} && $sd->{node} eq $sd->{maintenance_node}) {
+                   my $node_state = $ns->get_node_state($sd->{node});
+                   if ($node_state eq 'online') {
+                       # Having the maintenance node set here means that the service was never
+                       # started on a different node since it was set. This can happen in the edge
+                       # case that the whole cluster is shut down at the same time while the
+                       # 'migrate' policy was configured. Node is not in maintenance mode anymore
+                       # and service is started on this node, so it's fine to clear the setting.
+                       $haenv->log(
+                           'info',
+                           "service '$sid': clearing stale maintenance node "
+                               ."'$sd->{maintenance_node}' setting (is current node)",
+                       );
+                       delete $sd->{maintenance_node};
+                   }
+               }
+
                # ensure service get started again if it went unexpected down
-               $sd->{uid} = compute_new_uuid($sd->{state});
+               # but ensure also no LRM result gets lost
+               $sd->{uid} = compute_new_uuid($sd->{state}) if defined($lrm_res);
            }
        }
 
@@ -651,17 +951,71 @@ sub next_state_error {
     my ($self, $sid, $cd, $sd, $lrm_res) = @_;
 
     my $ns = $self->{ns};
+    my $ms = $self->{ms};
 
     if ($cd->{state} eq 'disabled') {
+       # clean up on error recovery
+       delete $sd->{failed_nodes};
+
        &$change_service_state($self, $sid, 'stopped');
        return;
     }
 
-    if ($ns->node_is_offline_delayed($sd->{node})) {
-       &$change_service_state($self, $sid, 'fence');
+}
+
+# after a node was fenced this recovers the service to a new node
+sub next_state_recovery {
+    my ($self, $sid, $cd, $sd, $lrm_res) = @_;
+
+    my ($haenv, $ss) = ($self->{haenv}, $self->{ss});
+    my $ns = $self->{ns};
+    my $ms = $self->{ms};
+
+    if ($sd->{state} ne 'recovery') { # should not happen
+       $haenv->log('err', "cannot recover service '$sid' from fencing, wrong state '$sd->{state}'");
        return;
     }
 
+    my $fenced_node = $sd->{node}; # for logging purpose
+
+    $self->recompute_online_node_usage(); # we want the most current node state
+
+    my $recovery_node = select_service_node(
+       $self->{groups},
+       $self->{online_node_usage},
+       $sid,
+       $cd,
+       $sd->{node},
+    );
+
+    if ($recovery_node) {
+       my $msg = "recover service '$sid' from fenced node '$fenced_node' to node '$recovery_node'";
+       if ($recovery_node eq $fenced_node) {
+           # can happen if restriced groups and the node came up again OK
+           $msg = "recover service '$sid' to previous failed and fenced node '$fenced_node' again";
+       }
+       $haenv->log('info', "$msg");
+
+       $fence_recovery_cleanup->($self, $sid, $fenced_node);
+
+       $haenv->steal_service($sid, $sd->{node}, $recovery_node);
+       $self->{online_node_usage}->add_service_usage_to_node($recovery_node, $sid, $recovery_node);
+
+       # NOTE: $sd *is normally read-only*, fencing is the exception
+       $cd->{node} = $sd->{node} = $recovery_node;
+       my $new_state = ($cd->{state} eq 'started') ? 'started' : 'request_stop';
+       $change_service_state->($self, $sid, $new_state, node => $recovery_node);
+    } else {
+       # no possible node found, cannot recover - but retry later, as we always try to make it available
+       $haenv->log('err', "recovering service '$sid' from fenced node '$fenced_node' failed, no recovery node found");
+
+       if ($cd->{state} eq 'disabled') {
+           # allow getting a service out of recovery manually if an admin disables it.
+           delete $sd->{failed_nodes}; # clean up on recovery to stopped
+           $change_service_state->($self, $sid, 'stopped'); # must NOT go through request_stop
+           return;
+       }
+    }
 }
 
 1;