資料庫的高可用是指最大程度地為使用者提供服務，避免伺服器宕機等故障帶來的服務中斷。資料庫的高可用性不僅僅體現在資料庫能否持續提供服務，而且也體現在能否保證資料的一致性。

SequoiaDB 巨杉資料庫作為一款100%相容 MySQL 的國產開源分散式資料庫，它在高可用方面的表現如何？它的高可用性是如何實現的？本文將詳細描述SequoiaDB巨杉資料庫的高可用性原理，並進行測試驗證。

01 巨杉分散式叢集架構

SequoiaDB 巨杉資料庫採用計算與儲存分離架構，SequoiaSQL-MySQL 是 SQL 計算層，儲存層由協調節點、編目節點和資料節點組成。

圖1 SequoiaDB分散式架構

如圖1所示是最簡單的 SequoiaDB 分散式資料庫叢集架構圖，由1個協調節點，1個編目節點，3個數據節點和 SequoiaSQL-MySQL 構成。其中資料節點在三個伺服器上，包括三個資料複製組1、2、3，每個資料複製組由3個完全相同的資料副本組成，資料副本之間通過日誌同步保持資料一致。

A, A1, A2組成資料複製組1，三者是完全相同資料副本。資料複製組2、3類似於資料複製組1。在 SequoiaDB 分散式叢集中，每個複製組最多支援 7 個數據副本。

本文的高可用測試環境採用圖1所示的分散式叢集架構，其中主節點有讀寫功能，兩個備副本可以執行讀操作或備份。

02 巨杉資料庫高可用實現

SequoiaDB 高可用採用 Raft 演算法實現，多副本之間通過日誌同步保持資料一致性。

圖2 三個節點之間保持連線

如圖2所示，SequoiaDB 叢集三個副本之間通過心跳保持連線。

資料組副本之間通過共享心跳資訊 sharing-beat 進行狀態共享。如圖3所示，sharing-beat 心跳資訊結構包括心跳 ID、自身開始LSN、自身終止LSN、時間戳、資料組版本號、自身當前的角色和同步狀態。

圖3 心跳狀態資訊結構

每個節點都維護一張 status-sharing table 表，用來記錄節點狀態。sharing-beat 每2秒傳送一次，採集應答資訊，若連續N秒未收到應答資訊，則認為節點宕機。

叢集中只有一個節點作為主節點，其他節點為備節點。如果出現多主或者雙主，需要根據 LSN 對比進行降備，保證叢集中只有一個主節點。

    Note:

    1）當主節點宕機時，需要從備節點中選舉出一個新的節點作為新的主節點。

    2）當備節點宕機時，主節點不受影響，等備節點恢復後，通過日誌同步繼續與主節點保持資料一致即可。

下面介紹當主節點宕機時，選舉新主節點的過程。

選舉條件

滿足下面2個條件可以被選舉成為主節點：

1. 多數備節點投票通過

2. 該節點LSN最大

選舉過程

1）當主節點A宕機時，A自動降為備節點，關閉協調節點的業務連線。

圖4 叢集中主節點掛掉

2）A1和A2都會判斷自身是否具備升為主節點的條件，若符合即發起選舉請求。

條件內容：

    自己不是主節點

    剩下的備節點佔半數以上

    自己的LSN比其它備節點的LSN新

3）其它備節點會把被投票節點的 LSN 與自己的 LSN 做對比，若比自己的 LSN 新，則投贊成票，否則投反對票。

4）若贊成票超過（n/2+1)，則支援該節點為主節點，選舉成功。否則保持備節點角色，選舉失敗。

5）選舉成功後，通過心跳狀態資訊共享資料組資訊給其它節點。

03 高可用容災驗證

一般分散式資料庫 POC 測試包含功能測試、效能測試、分散式事務測試、高可用容災測試和相容性測試等。下面將對 SequoiaDB 巨杉資料庫的高可用性進行驗證測試。

測試環境說明

本文測試環境採用分散式叢集，包含1個 SequoiaSQL-MySQL，3個數據節點，1個編目節點，1個協調節點，搭建叢集方式具體可參考巨杉官網虛擬機器映象搭建教程。在 kill 掉主節點程序之後，我們對分散式資料庫叢集進行讀寫操作，來驗證高可用性。

    檢視伺服器叢集狀態

    # 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
    .....

    SequoiaDB 分散式叢集中資料節點埠在11820，11830，11840；編目節點11800，協調節點在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

    kill 掉11820的主節點，執行查詢和寫入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
    ....

    執行檢視 sql，檢視插入操作之前資料為121

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

    執行寫入 sql，檢視插入是否成功

    mysql> insert into news.user_info(id,unickname)values(122,"s
    uccess");
    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)

資料(122, “success”)資料插入成功，在其中一個主節點掛掉情況下，讀寫都沒有受到影響，資料讀寫保持一致，高可用性得到驗證。

現在執行匯入1000w資料寫入指令碼 imprt.sh，在執行過程中 kill 掉主資料節點，模擬主節點故障場景，在巨杉資料庫圖形化監控介面 SAC 上檢視叢集讀寫變化。

    Note:

    如果需要獲取 imprt.sh 指令碼，關注“巨杉資料庫”公眾號回覆 “imprt” 即可獲取。

    執行匯入資料指令碼

    ./imprt.sh 協調節點主機 協調節點端⼝ 次數
    ./imprt.sh 192.168.1.122 11810 100

    如圖5所示，在執行匯入資料時刻，kill 掉主資料節點，insert 寫入下降，之後叢集恢復高可用

圖5 SAC監控介面叢集讀寫變化示意圖

圖6 SAC檢視tpcc寫入資料量示意圖

從 SAC 視覺化介面中可以看到，當主資料節點在我們執行插入1000w資料操作的過程中出現故障，資料讀寫受到影響的持續時間很短。最後通過使用 imprt.sh 指令碼重新匯入插入失敗的資料，則可以保證資料最終一致性。

04 總結

SequoiaDB 分散式叢集具備較好的高可用性，叢集可以設定多個數據複製組，每個資料複製組由多個完全相同的副本構成，副本之間通過 Raft 演算法和日誌同步方式保持資料一致性。最後，本文也驗證了在執行千萬級資料寫操作時，若叢集主資料節點宕機，分散式叢集可以正常讀寫資料，並且資料保持最終一致，高可