巨杉Tech｜SequoiaDB 巨杉数据库高可用容灾测试

数据库的高可用是指最大程度地为用户提供服务，避免服务器宕机等故障带来的服务中断。数据库的高可用性不单单体如今数据库可否持续提供服务，并且也体如今可否保证数据的一致性。

SequoiaDB 巨杉数据库做为一款100%兼容 MySQL 的国产开源分布式数据库，它在高可用方面的表现如何？它的高可用性是如何实现的？本文将详细描述SequoiaDB巨杉数据库的高可用性原理，并进行测试验证。

01 巨杉分布式集群架构

SequoiaDB 巨杉数据库采用计算与存储分离架构，SequoiaSQL-MySQL 是 SQL 计算层，存储层由协调节点、编目节点和数据节点组成。

图1 SequoiaDB分布式架构

如图1所示是最简单的 SequoiaDB 分布式数据库集群架构图，由1个协调节点，1个编目节点，3个数据节点和 SequoiaSQL-MySQL 构成。其中数据节点在三个服务器上，包括三个数据复制组一、二、3，每一个数据复制组由3个彻底相同的数据副本组成，数据副本之间经过日志同步保持数据一致。

A, A1, A2组成数据复制组1，三者是彻底相同数据副本。数据复制组二、3相似于数据复制组1。在 SequoiaDB 分布式集群中，每一个复制组最多支持 7 个数据副本。

本文的高可用测试环境采用图1所示的分布式集群架构，其中主节点有读写功能，两个备副本能够执行读操做或备份。

02 巨杉数据库高可用实现

SequoiaDB 高可用采用 Raft 算法实现，多副本之间经过日志同步保持数据一致性。

图2 三个节点之间保持链接

如图2所示，SequoiaDB 集群三个副本之间经过心跳保持链接。

数据组副本之间经过共享心跳信息 sharing-beat 进行状态共享。如图3所示，sharing-beat 心跳信息结构包括心跳 ID、自身开始LSN、自身终止LSN、时间戳、数据组版本号、自身当前的角色和同步状态。

图3 心跳状态信息结构

每一个节点都维护一张 status-sharing table 表，用来记录节点状态。sharing-beat 每2秒发送一次，采集应答信息，若连续N秒未收到应答信息，则认为节点宕机。

集群中只有一个节点做为主节点，其余节点为备节点。若是出现多主或者双主，须要根据 LSN 对比进行降备，保证集群中只有一个主节点。

Note:

1）当主节点宕机时，须要从备节点中选举出一个新的节点做为新的主节点。

2）当备节点宕机时，主节点不受影响，等备节点恢复后，经过日志同步继续与主节点保持数据一致便可。

下面介绍当主节点宕机时，选举新主节点的过程。

选举条件

知足下面2个条件能够被选举成为主节点：

1. 多数备节点投票经过

2. 该节点LSN最大

选举过程

1）当主节点A宕机时，A自动降为备节点，关闭协调节点的业务链接。

图4 集群中主节点挂掉

2）A1和A2都会判断自身是否具有升为主节点的条件，若符合即发起选举请求。

条件内容：

• 本身不是主节点

• 剩下的备节点占半数以上

• 本身的LSN比其它备节点的LSN新

3）其它备节点会把被投票节点的 LSN 与本身的 LSN 作对比，若比本身的 LSN 新，则投同意票，不然投反对票。

4）若同意票超过（n/2+1)，则支持该节点为主节点，选举成功。不然保持备节点角色，选举失败。

5）选举成功后，经过心跳状态信息共享数据组信息给其它节点。

03 高可用容灾验证

通常分布式数据库 POC 测试包含功能测试、性能测试、分布式事务测试、高可用容灾测试和兼容性测试等。下面将对 SequoiaDB 巨杉数据库的高可用性进行验证测试。

测试环境说明

本文测试环境采用分布式集群，包含1个 SequoiaSQL-MySQL，3个数据节点，1个编目节点，1个协调节点，搭建集群方式具体可参考巨杉官网虚拟机镜像搭建教程。在 kill 掉主节点进程以后，咱们对分布式数据库集群进行读写操做，来验证高可用性。

• 查看服务器集群状态

# service sdbcm status
.....
Main PID: 803 (sdbcm)
Tasks: 205 (limit: 2319)
CGroup: /system.slice/sdbcm.service
├─ 779 sdbcmd├─ 803 sdbcm(11790)
├─1166 sequoiadb(11840) D
├─1169 sequoiadb(11810) S
├─1172 sequoiadb(11830) D
├─1175 sdbom(11780)
├─1178 sequoiadb(11820) D
├─1181 sequoiadb(11800) C
└─1369 /opt/sequoiadb/plugins/SequoiaSQL/bin/../../../java/jdk/bin/java -jar /opt/sequoiadb/plugins/SequoiaSQL
.....复制代码

• SequoiaDB 分布式集群中数据节点端口在11820，11830，11840；编目节点11800，协调节点在11810

sdbadmin@sequoiadb:~$ ps -ef|grep sequoiadb
sdbadmin 1166 1 0 Aug20 ? 00:02:23 sequoiadb(11840) D
sdbadmin 1169 1 0 Aug20 ? 00:01:43 sequoiadb(11810) S
sdbadmin 1172 1 0 Aug20 ? 00:02:24 sequoiadb(11830) D
sdbadmin 1178 1 0 Aug20 ? 00:02:33 sequoiadb(11820) D
sdbadmin 1181 1 0 Aug20 ? 00:04:01 sequoiadb(11800) C复制代码

• kill 掉11820的主节点，执行查询和写入sql

sdbadmin@sequoiadb:~$ kill 1178
sdbadmin@sequoiadb:~$ ps -ef|grep sequoiadb
sdbadmin 1166 1 0 Aug20 ? 00:02:24 sequoiadb(11840) D
sdbadmin 1169 1 0 Aug20 ? 00:01:43 sequoiadb(11810) S
sdbadmin 1172 1 0 Aug20 ? 00:02:24 sequoiadb(11830) D
sdbadmin 1181 1 0 Aug20 ? 00:04:01 sequoiadb(11800) C
sdbadmin 1369 1 0 Aug20 ? 00:01:33 /opt/sequoiadb....复制代码

• 执行查看 sql，查看插入操做以前数据为121

mysql> select * from news.user_info;
+------+-----------+
| id | unickname |
+------+-----------+
| 1 | test1 |
........
| 119 | test119 |
| 120 | test120 |
| 121 | test121 |
+------+-----------+
121 rows in set (0.01 sec)复制代码

• 执行写入 sql，查看插入是否成功

mysql> insert into news.user_info(id,unickname)values(122,"success");
Query OK, 1 row affected (0.00 sec)
mysql> commit;
Query OK, 0 rows affected (0.01 sec)
mysql> select * from news.user_info;
+------+-----------+
| id | unickname |
+------+-----------+
| 1 | test1 |
.........
| 120 | test120 |
| 121 | test121 |
| 122 | success |
+------+-----------+
122 rows in set (0.00 sec)复制代码

数据(122, “success”)数据插入成功，在其中一个主节点挂掉状况下，读写都没有受到影响，数据读写保持一致，高可用性获得验证。

如今执行导入1000w数据写入脚本 imprt.sh，在执行过程当中 kill 掉主数据节点，模拟主节点故障场景，在巨杉数据库图形化监控界面 SAC 上查看集群读写变化。

Note:

若是须要获取 imprt.sh 脚本，关注“巨杉数据库”公众号回复 “imprt” 便可获取。

• 执行导入数据脚本

./imprt.sh 协调节点主机 协调节点端⼝ 次数./imprt.sh 192.168.1.122 11810 100复制代码

• 如图5所示，在执行导入数据时刻，kill 掉主数据节点，insert 写入降低，以后集群恢复高可用

图5 SAC监控界面集群读写变化示意图

图6 SAC查看tpcc写入数据量示意图

从 SAC 可视化界面中能够看到，当主数据节点在咱们执行插入1000w数据操做的过程当中出现故障，数据读写受到影响的持续时间很短。最后经过使用 imprt.sh 脚本从新导入插入失败的数据，则能够保证数据最终一致性。

04 总结

SequoiaDB 分布式集群具有较好的高可用性，集群能够设置多个数据复制组，每一个数据复制组由多个彻底相同的副本构成，副本之间经过 Raft 算法和日志同步方式保持数据一致性。最后，本文也验证了在执行千万级数据写操做时，若集群主数据节点宕机，分布式集群能够正常读写数据，而且数据保持最终一致，高可用性获得验证。