Patroni Failure Stories ຫຼືວິທີການ crash cluster PostgreSQL ຂອງທ່ານ. Alexey Lesovsky

ເປົ້າຫມາຍຕົ້ນຕໍຂອງ Patroni ແມ່ນເພື່ອສະຫນອງຄວາມພ້ອມສູງສໍາລັບ PostgreSQL. ແຕ່ Patroni ແມ່ນພຽງແຕ່ແມ່ແບບ, ບໍ່ແມ່ນເຄື່ອງມືທີ່ກຽມພ້ອມ (ເຊິ່ງໂດຍທົ່ວໄປແລ້ວ, ແມ່ນສິ່ງທີ່ເອກະສານເວົ້າ). ຢູ່ glance ທໍາອິດ, ໂດຍໄດ້ configure Patroni ໃນຫ້ອງທົດລອງ, ທ່ານສາມາດເບິ່ງສິ່ງທີ່ເປັນເຄື່ອງມືທີ່ຍອດຢ້ຽມແລະວິທີທີ່ງ່າຍທີ່ສຸດມັນຈັດການກັບຄວາມພະຍາຍາມຂອງພວກເຮົາທີ່ຈະທໍາລາຍກຸ່ມ. ຢ່າງໃດກໍຕາມ, ໃນການປະຕິບັດໃນສະພາບແວດລ້ອມການຜະລິດ, ທຸກສິ່ງທຸກຢ່າງບໍ່ໄດ້ເກີດຂຶ້ນສະເຫມີເປັນທີ່ສວຍງາມແລະສະຫງ່າງາມໃນຫ້ອງທົດລອງ.

ຂ້ອຍຈະບອກເຈົ້າເລັກນ້ອຍກ່ຽວກັບຕົວເອງ. ຂ້ອຍເລີ່ມຕົ້ນເປັນຜູ້ເບິ່ງແຍງລະບົບ. ເຮັດວຽກຢູ່ໃນການພັດທະນາເວັບ. ຂ້ອຍໄດ້ເຮັດວຽກຢູ່ Data Egret ຕັ້ງແຕ່ປີ 2014. ບໍລິສັດແມ່ນມີສ່ວນຮ່ວມໃນການໃຫ້ຄໍາປຶກສາໃນພາກສະຫນາມຂອງ Postgres. ແລະພວກເຮົາໃຫ້ບໍລິການ Postgres ໂດຍສະເພາະ, ແລະພວກເຮົາເຮັດວຽກຮ່ວມກັບ Postgres ທຸກໆມື້, ດັ່ງນັ້ນພວກເຮົາມີຄວາມຊໍານານໃນການດໍາເນີນງານທີ່ຫຼາກຫຼາຍ.

ແລະໃນທ້າຍປີ 2018, ພວກເຮົາເລີ່ມໃຊ້ Patroni ຊ້າໆ. ແລະບາງປະສົບການສະເພາະໄດ້ຖືກສະສົມ. ພວກເຮົາວິນິດໄສມັນ, ປັບແຕ່ງມັນ, ແລະມາຮອດການປະຕິບັດທີ່ດີທີ່ສຸດຂອງພວກເຮົາ. ແລະໃນບົດລາຍງານນີ້ຂ້າພະເຈົ້າຈະເວົ້າກ່ຽວກັບພວກເຂົາ.

ນອກຈາກ Postgres, ຂ້ອຍຮັກ Linux. ຂ້າ​ພະ​ເຈົ້າ​ມັກ poking ແລະ​ສໍາ​ຫຼວດ​ມັນ​, ຂ້າ​ພະ​ເຈົ້າ​ມັກ​ການ​ເກັບ​ກໍາ​ຫຼັກ​. ຂ້ອຍມັກ virtualization, containers, Docker, Kubernetes. ທັງຫມົດນີ້ສົນໃຈຂ້ອຍ, ເພາະວ່ານິໄສຂອງ admin ເກົ່າແມ່ນເອົາຕົວເລກຂອງພວກເຂົາ. ຂ້ອຍຮັກການຕິດຕາມຄວາມເຂົ້າໃຈ. ແລະຂ້ອຍຮັກ postgres ສິ່ງທີ່ກ່ຽວຂ້ອງກັບການບໍລິຫານ, i.e. replication, backup. ແລະໃນເວລາຫວ່າງຂອງຂ້ອຍຂ້ອຍຂຽນໃນ Go. ຂ້ອຍບໍ່ແມ່ນວິສະວະກອນຊອບແວ, ຂ້ອຍພຽງແຕ່ຂຽນໃນ Go ສໍາລັບຕົວເອງ. ແລະມັນເຮັດໃຫ້ຂ້ອຍມີຄວາມສຸກ.

• ຂ້າພະເຈົ້າຄິດວ່າຫຼາຍໆທ່ານຮູ້ວ່າ Postgres ບໍ່ມີ HA (High Availability) ອອກຈາກກ່ອງ. ເພື່ອໃຫ້ໄດ້ຮັບ HA, ທ່ານຈໍາເປັນຕ້ອງໃສ່ບາງສິ່ງບາງຢ່າງ, ຕັ້ງຄ່າມັນ, ພະຍາຍາມແລະໄດ້ຮັບມັນ.
• ມີເຄື່ອງມືຈໍານວນຫນຶ່ງແລະ Patroni ແມ່ນຫນຶ່ງໃນພວກມັນ, ເຊິ່ງແກ້ໄຂ HA ທີ່ຂ້ອນຂ້າງເຢັນແລະດີຫຼາຍ. ແຕ່ໂດຍການວາງມັນທັງຫມົດຢູ່ໃນຫ້ອງທົດລອງແລະແລ່ນມັນ, ພວກເຮົາສາມາດເຫັນວ່າມັນເຮັດວຽກທັງຫມົດ, ພວກເຮົາສາມາດຜະລິດຄືນໃຫມ່ບາງບັນຫາ, ເບິ່ງວ່າ Patroni ໃຫ້ບໍລິການພວກເຂົາແນວໃດ. ແລະພວກເຮົາຈະເຫັນວ່າມັນທັງຫມົດເຮັດວຽກທີ່ຍິ່ງໃຫຍ່.
• ແຕ່ໃນພາກປະຕິບັດ, ພວກເຮົາພົບບັນຫາທີ່ແຕກຕ່າງກັນ. ແລະຂ້ອຍຈະເວົ້າກ່ຽວກັບບັນຫາເຫຼົ່ານີ້.
• ຂ້ອຍຈະບອກເຈົ້າວ່າພວກເຮົາວິນິດໄສມັນແນວໃດ, ສິ່ງທີ່ພວກເຮົາປັບປຸງ - ບໍ່ວ່າຈະຊ່ວຍພວກເຮົາຫຼືບໍ່ຊ່ວຍ.

• ຂ້າ​ພະ​ເຈົ້າ​ຈະ​ບໍ່​ບອກ​ທ່ານ​ກ່ຽວ​ກັບ​ວິ​ທີ​ການ​ຕິດ​ຕັ້ງ Patroni​, ເພາະ​ວ່າ​ທ່ານ​ສາ​ມາດ google ມັນ​ໃນ​ອິນ​ເຕີ​ເນັດ​, ທ່ານ​ສາ​ມາດ​ເບິ່ງ​ໄຟລ​໌​ການ​ຕັ້ງ​ຄ່າ​ເພື່ອ​ເຂົ້າ​ໃຈ​ວ່າ​ມັນ​ທັງ​ຫມົດ​ເລີ່ມ​ຕົ້ນ​ແລະ​ວິ​ທີ​ການ​ທີ່​ມັນ​ຖືກ​ຕັ້ງ​ຄ່າ​. ທ່ານສາມາດເຂົ້າໃຈແຜນວາດແລະສະຖາປັດຕະຍະກໍາໂດຍການຊອກຫາຂໍ້ມູນກ່ຽວກັບມັນຢູ່ໃນອິນເຕີເນັດ.
• ຂ້ອຍຈະບໍ່ເວົ້າກ່ຽວກັບປະສົບການຂອງຄົນອື່ນ. ຂ້າພະເຈົ້າພຽງແຕ່ຈະເວົ້າກ່ຽວກັບບັນຫາທີ່ພວກເຮົາປະເຊີນ.
• ແລະຂ້ອຍຈະບໍ່ເວົ້າກ່ຽວກັບບັນຫາທີ່ຢູ່ນອກ Patroni ແລະ PostgreSQL. ສໍາລັບຕົວຢ່າງ, ມີບັນຫາທີ່ກ່ຽວຂ້ອງກັບການດຸ່ນດ່ຽງໃນເວລາທີ່ກຸ່ມຂອງພວກເຮົາລົ້ມລົງ, ຂ້ອຍຈະບໍ່ເວົ້າກ່ຽວກັບມັນ.

ແລະຂໍ້ປະຕິເສດຄວາມຮັບຜິດຊອບເລັກນ້ອຍກ່ອນທີ່ພວກເຮົາຈະເລີ່ມຕົ້ນບົດລາຍງານຂອງພວກເຮົາ.

ບັນຫາເຫຼົ່ານີ້ທັງຫມົດທີ່ພວກເຮົາໄດ້ພົບ, ພວກເຮົາມີພວກມັນຢູ່ໃນ 6-7-8 ເດືອນທໍາອິດຂອງການດໍາເນີນງານ. ເມື່ອເວລາຜ່ານໄປ, ພວກເຮົາມາຮອດການປະຕິບັດທີ່ດີທີ່ສຸດພາຍໃນຂອງພວກເຮົາເອງ. ແລະບັນຫາຂອງພວກເຮົາຫາຍໄປ. ດັ່ງນັ້ນ, ບົດລາຍງານໄດ້ຖືກສົ່ງມາປະມານຫົກເດືອນກ່ອນຫນ້ານີ້, ໃນເວລາທີ່ມັນສົດຢູ່ໃນຫົວຂອງຂ້ອຍແລະຂ້ອຍຈື່ມັນທັງຫມົດຢ່າງສົມບູນ.

ໃນ​ລະ​ຫວ່າງ​ການ​ກະ​ກຽມ​ຂອງ​ບົດ​ລາຍ​ງານ, ຂ້າ​ພະ​ເຈົ້າ​ໄດ້​ເກັບ postmortems ເກົ່າ​ແລ້ວ​ແລະ​ເບິ່ງ​ໄມ້​ທ່ອນ. ແລະບາງລາຍລະອຽດອາດຈະຖືກລືມ, ຫຼືບາງລາຍລະອຽດອາດຈະບໍ່ໄດ້ສໍາຫຼວດຢ່າງເຕັມທີ່ໃນລະຫວ່າງການວິເຄາະບັນຫາ, ດັ່ງນັ້ນບາງຈຸດອາດຈະເບິ່ງຄືວ່າບັນຫາຍັງບໍ່ທັນໄດ້ພິຈາລະນາຢ່າງເຕັມທີ່, ຫຼືມີບາງປະເພດ. ຂາດຂໍ້ມູນ. ແລະດັ່ງນັ້ນຂ້າພະເຈົ້າຂໍໃຫ້ທ່ານໃຫ້ອະໄພຂ້າພະເຈົ້າສໍາລັບປັດຈຸບັນນີ້.

Patroni ແມ່ນຫຍັງ?

• ນີ້ແມ່ນແມ່ແບບສໍາລັບການກໍ່ສ້າງ HA. ນັ້ນແມ່ນສິ່ງທີ່ມັນເວົ້າຢູ່ໃນເອກະສານ. ແລະຈາກທັດສະນະຂອງຂ້ອຍ, ນີ້ແມ່ນຄວາມກະຈ່າງແຈ້ງທີ່ຖືກຕ້ອງຫຼາຍ. Patroni ບໍ່ແມ່ນລູກປືນເງິນທີ່ຈະແກ້ໄຂບັນຫາທັງຫມົດຂອງທ່ານ, i.e. ທ່ານຈໍາເປັນຕ້ອງພະຍາຍາມໃຫ້ມັນເລີ່ມເຮັດວຽກແລະເປັນປະໂຫຍດ.
• ນີ້ແມ່ນບໍລິການຕົວແທນທີ່ຕິດຕັ້ງຢູ່ໃນແຕ່ລະບໍລິການທີ່ມີຖານຂໍ້ມູນ, ແລະແມ່ນປະເພດຂອງລະບົບ init ສໍາລັບ Postgres ຂອງທ່ານ. ມັນເລີ່ມ Postgres, ຢຸດມັນ, restarts ມັນ, ປ່ຽນການຕັ້ງຄ່າແລະປ່ຽນ topology ຂອງ cluster ຂອງທ່ານ.
• ຕາມນັ້ນແລ້ວ, ເພື່ອເກັບຮັກສາສະຖານະຂອງກຸ່ມ, ການເປັນຕົວແທນໃນປະຈຸບັນຂອງມັນ, ມີລັກສະນະແນວໃດ, ການເກັບຮັກສາບາງຊະນິດແມ່ນຈໍາເປັນ. ແລະຈາກທັດສະນະນີ້, Patroni ໄດ້ເອົາເສັ້ນທາງຂອງການເກັບຮັກສາລັດໃນລະບົບພາຍນອກ. ມັນເປັນລະບົບການເກັບຮັກສາການຕັ້ງຄ່າແຈກຢາຍ. ນີ້ອາດຈະເປັນ Etcd, Consul, ZooKeeper, ຫຼື kubernetes Etcd, i.e., ຫນຶ່ງໃນທາງເລືອກເຫຼົ່ານີ້.
• ແລະຫນຶ່ງໃນຄຸນນະສົມບັດຂອງ Patroni ແມ່ນວ່າທ່ານໄດ້ຮັບ autofileover ອອກຈາກກ່ອງ, ພຽງແຕ່ຫຼັງຈາກການຕັ້ງຄ່າມັນ. ຖ້າພວກເຮົາເອົາ Repmgr ສໍາລັບການປຽບທຽບ, filer ແມ່ນລວມຢູ່ທີ່ນັ້ນ. ດ້ວຍ Repmgr ພວກເຮົາໄດ້ຮັບການສະຫຼັບ, ແຕ່ຖ້າພວກເຮົາຕ້ອງການ autofileover, ມັນຈໍາເປັນຕ້ອງມີການຕັ້ງຄ່າຕື່ມອີກ. Patroni ມີ autofileover ອອກຈາກກ່ອງແລ້ວ.
• ແລະ​ມີ​ຫຼາຍ​ສິ່ງ​ອື່ນໆ​ອີກ. ຕົວຢ່າງ, ການຮັກສາການຕັ້ງຄ່າ, ເພີ່ມການຈໍາລອງໃຫມ່, ການສໍາຮອງຂໍ້ມູນ, ແລະອື່ນໆ. ແຕ່ນີ້ແມ່ນເກີນຂອບເຂດຂອງບົດລາຍງານ, ຂ້າພະເຈົ້າຈະບໍ່ເວົ້າກ່ຽວກັບມັນ.

ແລະຜົນໄດ້ຮັບເລັກນ້ອຍແມ່ນວ່າວຽກງານຕົ້ນຕໍຂອງ Patroni ແມ່ນເພື່ອເຮັດ autofileover ໄດ້ດີແລະມີຄວາມຫນ້າເຊື່ອຖືເພື່ອໃຫ້ກຸ່ມຂອງພວກເຮົາຍັງຄົງເຮັດວຽກແລະແອັບພລິເຄຊັນບໍ່ໄດ້ສັງເກດເຫັນການປ່ຽນແປງຂອງ topology ຂອງກຸ່ມ.

ແຕ່ເມື່ອພວກເຮົາເລີ່ມໃຊ້ Patroni, ລະບົບຂອງພວກເຮົາກາຍເປັນຄວາມສັບສົນຫຼາຍ. ຖ້າກ່ອນຫນ້ານີ້ພວກເຮົາມີ Postgres, ຫຼັງຈາກນັ້ນເມື່ອໃຊ້ Patroni ພວກເຮົາໄດ້ຮັບ Patroni ຕົວຂອງມັນເອງ, ພວກເຮົາໄດ້ຮັບ DCS, ບ່ອນທີ່ລັດຖືກເກັບໄວ້. ແລະມັນທັງຫມົດຕ້ອງເຮັດວຽກ somehow. ເພາະສະນັ້ນ, ສິ່ງທີ່ສາມາດທໍາລາຍ?

ອາດຈະແຕກ:

• Postgres ອາດຈະແຕກ. ມັນອາດຈະເປັນແມ່ບົດຫຼືແບບຈໍາລອງ, ຫນຶ່ງໃນນັ້ນອາດຈະລົ້ມເຫລວ.
• Patroni ຕົວຂອງມັນເອງອາດຈະແຕກ.
• DCS, ບ່ອນທີ່ລັດຖືກເກັບໄວ້, ອາດຈະແຕກ.
• ແລະເຄືອຂ່າຍອາດຈະແຕກ.

ຂ້າພະເຈົ້າຈະພິຈາລະນາຈຸດເຫຼົ່ານີ້ທັງຫມົດໃນບົດລາຍງານ.

ຂ້າພະເຈົ້າຈະພິຈາລະນາກໍລະນີຍ້ອນວ່າພວກເຂົາກາຍເປັນຄວາມສັບສົນຫຼາຍ, ບໍ່ແມ່ນຈາກທັດສະນະວ່າກໍລະນີທີ່ກ່ຽວຂ້ອງກັບຫຼາຍອົງປະກອບ. ແລະຈາກທັດສະນະຂອງຄວາມຮູ້ສຶກ subjective, ກໍລະນີນີ້ແມ່ນສະລັບສັບຊ້ອນສໍາລັບຂ້າພະເຈົ້າ, ມັນເປັນການຍາກທີ່ຈະ disassemble ... ແລະໃນທາງກັບກັນ, ບາງກໍລະນີແມ່ນເບົາແລະງ່າຍທີ່ຈະ disassemble.

ແລະກໍລະນີທໍາອິດແມ່ນງ່າຍດາຍທີ່ສຸດ. ນີ້ແມ່ນກໍລະນີທີ່ພວກເຮົາເອົາກຸ່ມຖານຂໍ້ມູນແລະນໍາໃຊ້ການເກັບຮັກສາ DCS ຂອງພວກເຮົາຢູ່ໃນກຸ່ມດຽວກັນ. ນີ້ແມ່ນຄວາມຜິດພາດທົ່ວໄປທີ່ສຸດ. ນີ້ແມ່ນຄວາມຜິດພາດໃນການສ້າງສະຖາປັດຕະຍະກໍາ, i.e. ການລວມອົງປະກອບທີ່ແຕກຕ່າງກັນຢູ່ໃນສະຖານທີ່ດຽວ.

ດັ່ງນັ້ນ, filer ເກີດຂຶ້ນ, ໃຫ້ເຮົາໄປຊອກຫາສິ່ງທີ່ເກີດຂຶ້ນ.

ແລະໃນທີ່ນີ້ພວກເຮົາມີຄວາມສົນໃຈໃນເວລາທີ່ filer ເກີດຂຶ້ນ. ນັ້ນແມ່ນ, ພວກເຮົາມີຄວາມສົນໃຈໃນປັດຈຸບັນໃນເວລາທີ່ສະຖານະການຂອງກຸ່ມມີການປ່ຽນແປງ.

ແຕ່ filer ແມ່ນບໍ່ທັນທີທັນໃດ, i.e. ມັນບໍ່ໄດ້ໃຊ້ເວລາຫນ່ວຍສະເພາະໃດຫນຶ່ງ, ມັນສາມາດ drag ສຸດ. ມັນສາມາດທົນທານໄດ້ດົນ.

ດັ່ງນັ້ນ, ມັນມີເວລາເລີ່ມຕົ້ນແລະເວລາສິ້ນສຸດ, i.e. ມັນເປັນເຫດການຢ່າງຕໍ່ເນື່ອງ. ແລະພວກເຮົາແບ່ງເຫດການທັງຫມົດອອກເປັນສາມໄລຍະ: ພວກເຮົາມີເວລາກ່ອນທີ່ຈະ filer, ໃນລະຫວ່າງ filer ແລະຫຼັງຈາກ filer. ນັ້ນແມ່ນ, ພວກເຮົາພິຈາລະນາເຫດການທັງຫມົດໃນເສັ້ນເວລານີ້.

ແລະກ່ອນອື່ນໝົດ, ເມື່ອຜູ້ຍື່ນເອກະສານເກີດຂຶ້ນ, ພວກເຮົາຊອກຫາເຫດຜົນ, ສິ່ງທີ່ເກີດຂຶ້ນ, ແມ່ນຫຍັງທີ່ພາໃຫ້ຜູ້ຍື່ນເອກະສານ.

ຖ້າພວກເຮົາເບິ່ງໄມ້ທ່ອນ, ເຫຼົ່ານີ້ແມ່ນໄມ້ທ່ອນ Patroni ຄລາສສິກ. ໃນພວກມັນລາວບອກພວກເຮົາວ່າເຄື່ອງແມ່ຂ່າຍໄດ້ກາຍເປັນແມ່ບົດ, ແລະບົດບາດຂອງແມ່ບົດໄດ້ຜ່ານໄປຫາຂໍ້ນີ້. ມັນເນັ້ນຢູ່ທີ່ນີ້.

ຕໍ່ໄປ, ພວກເຮົາຈໍາເປັນຕ້ອງເຂົ້າໃຈວ່າເປັນຫຍັງ filer ເກີດຂຶ້ນ, i.e. ເຫດການທີ່ເກີດຂຶ້ນທີ່ເຮັດໃຫ້ບົດບາດແມ່ບົດຍ້າຍຈາກໂຫນດຫນຶ່ງໄປຫາອີກ. ແລະໃນກໍລະນີນີ້ທຸກສິ່ງທຸກຢ່າງແມ່ນງ່າຍດາຍ. ພວກເຮົາມີຂໍ້ຜິດພາດໃນການໂຕ້ຕອບກັບລະບົບການເກັບຮັກສາ. ແມ່ບົດຮັບຮູ້ວ່າລາວບໍ່ສາມາດເຮັດວຽກກັບ DCS ໄດ້, i.e. ມີບັນຫາບາງຢ່າງກັບການໂຕ້ຕອບ. ແລະລາວບອກວ່າລາວບໍ່ສາມາດເປັນນາຍ ແລະລາອອກໄດ້. ເສັ້ນນີ້ "ຫຼຸດໂທດຕົນເອງ" ເວົ້າແທ້.

ຖ້າພວກເຮົາເບິ່ງເຫດການທີ່ເກີດຂື້ນກ່ອນຜູ້ຍື່ນ, ພວກເຮົາສາມາດເຫັນໄດ້ວ່າມີເຫດຜົນຫຼາຍຢ່າງທີ່ເປັນບັນຫາສໍາລັບການສືບຕໍ່ວຽກງານຂອງນາຍ.

ຖ້າພວກເຮົາເບິ່ງບັນທຶກ Patroni, ພວກເຮົາຈະເຫັນວ່າພວກເຮົາມີຄວາມຜິດພາດຫຼາຍແລະການຫມົດເວລາ, ເຊັ່ນ: ຕົວແທນ Patroni ບໍ່ສາມາດເຮັດວຽກກັບ DCS ໄດ້. ໃນກໍລະນີນີ້, ນີ້ແມ່ນຕົວແທນ Consul, ເຊິ່ງການສື່ສານເກີດຂຶ້ນຢູ່ໃນທ່າເຮືອ 8500.

ແລະບັນຫາຢູ່ທີ່ນີ້ແມ່ນວ່າ Patroni ແລະຖານຂໍ້ມູນກໍາລັງເຮັດວຽກຢູ່ໃນໂຮດດຽວກັນ. ແລະເຊີບເວີ Consul ໄດ້ຖືກເປີດຕົວໃນ node ດຽວກັນ. ໂດຍການສ້າງການໂຫຼດຢູ່ໃນເຄື່ອງແມ່ຂ່າຍ, ພວກເຮົາໄດ້ສ້າງບັນຫາສໍາລັບເຄື່ອງແມ່ຂ່າຍຂອງ Consul. ເຂົາເຈົ້າບໍ່ສາມາດສື່ສານໄດ້ຕາມປົກກະຕິ.

ຫຼັງຈາກເວລາໃດຫນຶ່ງ, ເມື່ອການໂຫຼດຫຼຸດລົງ, Patroni ຂອງພວກເຮົາສາມາດຕິດຕໍ່ກັບຕົວແທນອີກເທື່ອຫນຶ່ງ. ວຽກປົກກະຕິໄດ້ສືບຕໍ່. ແລະເຄື່ອງແມ່ຂ່າຍ Pgdb-2 ດຽວກັນໄດ້ກາຍເປັນຕົ້ນສະບັບອີກເທື່ອຫນຶ່ງ. ນັ້ນແມ່ນ, ມີການບິດເບືອນຂະຫນາດນ້ອຍ, ຍ້ອນວ່າ node ໄດ້ປົດອໍານາດຂອງຕົນເປັນແມ່ບົດ, ແລະຫຼັງຈາກນັ້ນເອົາພວກມັນອີກເທື່ອຫນຶ່ງ, i.e. , ທຸກສິ່ງທຸກຢ່າງກັບຄືນມາຕາມທີ່ມັນເປັນ.

ແລະນີ້ສາມາດຖືກຖືວ່າເປັນບວກທີ່ບໍ່ຖືກຕ້ອງ, ຫຼືມັນສາມາດຖືວ່າ Patroni ເຮັດທຸກຢ່າງທີ່ຖືກຕ້ອງ. ນັ້ນແມ່ນ, ລາວຮັບຮູ້ວ່າລາວບໍ່ສາມາດຮັກສາສະຖານະຂອງກຸ່ມແລະຖອນສິດອໍານາດຂອງລາວ.

ແລະໃນທີ່ນີ້ບັນຫາເກີດຂຶ້ນຍ້ອນຄວາມຈິງທີ່ວ່າເຄື່ອງແມ່ຂ່າຍຂອງກົງສຸນຕັ້ງຢູ່ໃນອຸປະກອນດຽວກັນກັບຖານຂໍ້ມູນ. ດັ່ງນັ້ນ, ການໂຫຼດໃດໆ: ບໍ່ວ່າຈະເປັນການໂຫຼດໃນແຜ່ນຫຼືໂປເຊດເຊີ, ມັນຍັງມີຜົນກະທົບຕໍ່ການພົວພັນກັບກຸ່ມ Consul.

ແລະພວກເຮົາໄດ້ຕັດສິນໃຈວ່ານີ້ບໍ່ຄວນຢູ່ຮ່ວມກັນ, ພວກເຮົາໄດ້ຈັດສັນກຸ່ມແຍກຕ່າງຫາກສໍາລັບກົງສຸນ. ແລະ Patroni ໄດ້ເຮັດວຽກກັບ Consul ແຍກຕ່າງຫາກ, i.e. ມີກຸ່ມ Postgres ແຍກຕ່າງຫາກ, ກຸ່ມ Consul ແຍກຕ່າງຫາກ. ນີ້ແມ່ນ ຄຳ ແນະ ນຳ ພື້ນຖານກ່ຽວກັບວິທີການແຍກແລະຍຶດເອົາສິ່ງທັງ ໝົດ ນີ້ເພື່ອບໍ່ໃຫ້ພວກມັນຢູ່ ນຳ ກັນ.

ອີກທາງເລືອກ, ທ່ານສາມາດປັບຕົວກໍານົດການ ttl, loop_wait, retry_timeout, i.e. ພະຍາຍາມຢູ່ລອດຈຸດສູງສຸດຂອງການໂຫຼດໃນໄລຍະສັ້ນເຫຼົ່ານີ້ໂດຍການເພີ່ມພາລາມິເຕີເຫຼົ່ານີ້. ແຕ່ນີ້ບໍ່ແມ່ນທາງເລືອກທີ່ເຫມາະສົມທີ່ສຸດ, ເພາະວ່າການໂຫຼດນີ້ສາມາດທົນທານໄດ້ດົນ. ແລະພວກເຮົາພຽງແຕ່ຈະໄປເກີນຂອບເຂດຈໍາກັດຂອງຕົວກໍານົດການເຫຼົ່ານີ້. ແລະນັ້ນອາດຈະບໍ່ຊ່ວຍໄດ້ແທ້ໆ.

ບັນຫາທໍາອິດ, ຕາມທີ່ທ່ານເຂົ້າໃຈ, ແມ່ນງ່າຍດາຍ. ພວກເຮົາເອົາ DCS ແລະເອົາມັນເຂົ້າກັນກັບພື້ນຖານ, ແລະພວກເຮົາມີບັນຫາ.

ບັນຫາທີສອງແມ່ນຄ້າຍຄືກັນກັບຄັ້ງທໍາອິດ. ມັນຄ້າຍຄືກັນທີ່ພວກເຮົາມີບັນຫາໃນການພົວພັນກັບລະບົບ DCS ອີກເທື່ອຫນຶ່ງ.

ຖ້າພວກເຮົາເບິ່ງບັນທຶກ, ພວກເຮົາຈະເຫັນວ່າພວກເຮົາມີຄວາມຜິດພາດໃນການສື່ສານອີກເທື່ອຫນຶ່ງ. ແລະ Patroni ເວົ້າວ່າຂ້ອຍບໍ່ສາມາດພົວພັນກັບ DCS ໄດ້, ດັ່ງນັ້ນແມ່ບົດປະຈຸບັນເຂົ້າໄປໃນຮູບແບບ replica.

ຕົ້ນສະບັບເກົ່າກາຍເປັນແບບຈໍາລອງ, ທີ່ນີ້ Patroni ເຮັດວຽກຕາມທີ່ມັນຄວນ. ມັນແລ່ນ pg_rewind ເພື່ອ rewind ບັນທຶກການເຮັດທຸລະກໍາແລະຫຼັງຈາກນັ້ນເຊື່ອມຕໍ່ກັບແມ່ແບບໃຫມ່, ແລະຫຼັງຈາກນັ້ນຈັບກັບແມ່ແບບໃຫມ່. ທີ່ນີ້ Patroni ເຮັດວຽກຕາມທີ່ມັນຄວນຈະເປັນ.

ທີ່ນີ້ພວກເຮົາຕ້ອງຊອກຫາສະຖານທີ່ກ່ອນ filer, i.e. ຄວາມຜິດພາດທີ່ເຮັດໃຫ້ filer ເກີດຂຶ້ນ. ແລະໃນເລື່ອງນີ້, ໄມ້ທ່ອນ Patroni ແມ່ນຂ້ອນຂ້າງສະດວກໃນການເຮັດວຽກກັບ. ລາວຂຽນຂໍ້ຄວາມດຽວກັນໃນຊ່ວງເວລາທີ່ແນ່ນອນ. ແລະຖ້າພວກເຮົາເລີ່ມເລື່ອນຜ່ານໄມ້ທ່ອນເຫຼົ່ານີ້ຢ່າງໄວວາ, ຫຼັງຈາກນັ້ນພວກເຮົາຈະເຫັນຈາກໄມ້ທ່ອນທີ່ໄມ້ທ່ອນໄດ້ມີການປ່ຽນແປງ, ຊຶ່ງຫມາຍຄວາມວ່າບັນຫາບາງຢ່າງໄດ້ເລີ່ມຕົ້ນ. ພວກ​ເຮົາ​ກັບ​ຄືນ​ໄປ​ບ່ອນ​ນີ້​ຢ່າງ​ວ່ອງ​ໄວ​ແລະ​ເບິ່ງ​ວ່າ​ມີ​ຫຍັງ​ເກີດ​ຂຶ້ນ​.

ແລະໃນສະຖານະການປົກກະຕິ, ໄມ້ທ່ອນເບິ່ງບາງສິ່ງບາງຢ່າງເຊັ່ນນີ້. ເຈົ້າຂອງ lock ໄດ້ຖືກກວດສອບ. ແລະຖ້າເຈົ້າຂອງ, ເວົ້າວ່າ, ປ່ຽນແປງ, ຫຼັງຈາກນັ້ນບາງເຫດການອາດຈະເກີດຂື້ນທີ່ Patroni ຕ້ອງຕອບສະຫນອງ. ແຕ່ໃນກໍລະນີນີ້ພວກເຮົາທັງຫມົດແມ່ນຖືກຕ້ອງ. ພວກເຮົາກໍາລັງຊອກຫາສະຖານທີ່ບ່ອນທີ່ຄວາມຜິດພາດເລີ່ມຕົ້ນ.

ແລະໄດ້ເລື່ອນໄປຫາຈຸດທີ່ຄວາມຜິດພາດເລີ່ມປາກົດ, ພວກເຮົາເຫັນວ່າພວກເຮົາມີ autofileover. ແລະນັບຕັ້ງແຕ່ຄວາມຜິດພາດຂອງພວກເຮົາກ່ຽວຂ້ອງກັບການພົວພັນກັບ DCS ແລະໃນກໍລະນີຂອງພວກເຮົາທີ່ພວກເຮົາໃຊ້ Consul, ພວກເຮົາຍັງເບິ່ງບັນທຶກ Consul ເພື່ອເບິ່ງວ່າມີຫຍັງເກີດຂື້ນຢູ່ທີ່ນັ້ນ.

ມີການປຽບທຽບເວລາຂອງຜູ້ຍື່ນ ແລະເວລາຢູ່ໃນບັນທຶກກົງສຸນ, ພວກເຮົາເຫັນວ່າປະເທດເພື່ອນບ້ານຂອງພວກເຮົາຢູ່ໃນກຸ່ມກົງສຸນເລີ່ມມີຄວາມສົງໃສວ່າມີສະມາຊິກອື່ນໆຂອງກຸ່ມກົງສຸນ.

ແລະຖ້າທ່ານເບິ່ງບັນທຶກຂອງຕົວແທນ Consul ອື່ນໆ, ທ່ານຍັງສາມາດເຫັນວ່າບາງປະເພດຂອງການລົ້ມລົງຂອງເຄືອຂ່າຍແມ່ນເກີດຂື້ນຢູ່ທີ່ນັ້ນ. ແລະສະມາຊິກທັງຫມົດຂອງກຸ່ມກົງສຸນສົງໃສວ່າມີຢູ່ຂອງກັນແລະກັນ. ແລະນີ້ແມ່ນແຮງຈູງໃຈສໍາລັບຜູ້ຍື່ນ.

ຖ້າທ່ານເບິ່ງສິ່ງທີ່ເກີດຂຶ້ນກ່ອນທີ່ຈະມີຂໍ້ຜິດພາດເຫຼົ່ານີ້, ທ່ານສາມາດເຫັນໄດ້ວ່າມີທຸກປະເພດຂອງຂໍ້ຜິດພາດ, ຕົວຢ່າງ, ເສັ້ນຕາຍ, RPC ຫຼຸດລົງ, i.e. ມີບັນຫາບາງຢ່າງໃນການໂຕ້ຕອບຂອງສະມາຊິກກຸ່ມ Consul ກັບກັນແລະກັນ.

ຄໍາຕອບທີ່ງ່າຍດາຍທີ່ສຸດແມ່ນການແກ້ໄຂເຄືອຂ່າຍ. ແຕ່ຢືນຢູ່ເທິງເວທີ, ມັນງ່າຍສໍາລັບຂ້ອຍທີ່ຈະເວົ້າເລື່ອງນີ້. ແຕ່ສະຖານະການແມ່ນເຊັ່ນວ່າລູກຄ້າບໍ່ສາມາດທີ່ຈະສ້ອມແປງເຄືອຂ່າຍໄດ້ຕະຫຼອດເວລາ. ລາວອາດຈະອາໄສຢູ່ໃນ DC ແລະອາດຈະບໍ່ມີຄວາມສາມາດສ້ອມແປງເຄືອຂ່າຍຫຼືມີອິດທິພົນຕໍ່ອຸປະກອນ. ແລະດັ່ງນັ້ນບາງທາງເລືອກອື່ນແມ່ນຈໍາເປັນ.

ມີທາງເລືອກ:

• ທາງເລືອກທີ່ງ່າຍດາຍທີ່ສຸດ, ເຊິ່ງຂຽນ, ໃນຄວາມຄິດເຫັນຂອງຂ້ອຍ, ເຖິງແມ່ນວ່າຢູ່ໃນເອກະສານ, ແມ່ນການປິດການກວດສອບ Consul, i.e. ພຽງແຕ່ຜ່ານ array ຫວ່າງເປົ່າ. ແລະພວກເຮົາບອກຕົວແທນ Consul ບໍ່ໃຫ້ໃຊ້ການກວດສອບໃດໆ. ເນື່ອງຈາກການກວດສອບເຫຼົ່ານີ້, ພວກເຮົາສາມາດບໍ່ສົນໃຈກັບພະຍຸເຄືອຂ່າຍເຫຼົ່ານີ້ແລະບໍ່ລິເລີ່ມການຍື່ນ.
• ທາງເລືອກອື່ນແມ່ນການກວດສອບສອງຄັ້ງ raft_multiplier. ນີ້ແມ່ນຕົວກໍານົດການຂອງເຄື່ອງແມ່ຂ່າຍ Consul ຕົວຂອງມັນເອງ. ໂດຍຄ່າເລີ່ມຕົ້ນມັນຖືກຕັ້ງເປັນ 5. ຄ່ານີ້ຖືກແນະນຳໃຫ້ອີງຕາມເອກະສານສຳລັບສະພາບແວດລ້ອມຂັ້ນຕອນ. ໂດຍພື້ນຖານແລ້ວ, ນີ້ມີຜົນກະທົບຕໍ່ຄວາມຖີ່ຂອງການແລກປ່ຽນຂໍ້ຄວາມລະຫວ່າງສະມາຊິກຂອງເຄືອຂ່າຍ Consul. ໂດຍພື້ນຖານແລ້ວ, ພາລາມິເຕີນີ້ມີຜົນກະທົບຕໍ່ຄວາມໄວຂອງການສື່ສານຢ່າງເປັນທາງການລະຫວ່າງສະມາຊິກຂອງກຸ່ມກົງສຸນ. ແລະສໍາລັບການຜະລິດມັນໄດ້ຖືກແນະນໍາແລ້ວເພື່ອຫຼຸດຜ່ອນມັນເພື່ອໃຫ້ຂໍ້ແລກປ່ຽນຂໍ້ຄວາມເລື້ອຍໆ.
• ທາງເລືອກອື່ນທີ່ພວກເຮົາໄດ້ເລີ່ມນໍາໃຊ້ແມ່ນເພື່ອເພີ່ມທະວີການບູລິມະສິດຂອງຂະບວນການ Consul ໃນບັນດາຂະບວນການອື່ນໆສໍາລັບການກໍານົດເວລາຂະບວນການຂອງລະບົບປະຕິບັດການ. ມີຕົວກໍານົດການດັ່ງກ່າວ "ງາມ", ມັນພຽງແຕ່ກໍານົດບູລິມະສິດຂອງຂະບວນການທີ່ຖືກພິຈາລະນາໂດຍຜູ້ຈັດຕາຕະລາງ OS ໃນເວລາວາງແຜນ. ພວກເຮົາຍັງໄດ້ຫຼຸດລົງມູນຄ່າທີ່ດີສໍາລັບຕົວແທນ Consul, i.e. ເພີ່ມທະວີບູລິມະສິດເພື່ອໃຫ້ລະບົບປະຕິບັດການໃຫ້ Consul ຂະບວນການເຮັດວຽກແລະປະຕິບັດລະຫັດຂອງພວກເຂົາຫຼາຍຂຶ້ນ. ໃນກໍລະນີຂອງພວກເຮົາ, ນີ້ໄດ້ແກ້ໄຂບັນຫາຂອງພວກເຮົາ.
• ທາງເລືອກອື່ນແມ່ນການບໍ່ໃຊ້ Consul. ຂ້ອຍມີຫມູ່ທີ່ເປັນຜູ້ສະຫນັບສະຫນູນໃຫຍ່ຂອງ Etcd. ແລະລາວແລະຂ້ອຍໂຕ້ຖຽງກັນເລື້ອຍໆວ່າອັນໃດດີກວ່າ, Etcd ຫຼື Consul. ແຕ່ໃນແງ່ທີ່ດີກວ່າ, ລາວແລະຂ້ອຍໂດຍທົ່ວໄປຕົກລົງເຫັນດີວ່າ Consul ມີຕົວແທນທີ່ຕ້ອງດໍາເນີນການຢູ່ໃນແຕ່ລະຖານຂໍ້ມູນ. ນັ້ນແມ່ນ, ການໂຕ້ຕອບຂອງ Patroni ກັບກຸ່ມ Consul ເກີດຂື້ນໂດຍຜ່ານຕົວແທນນີ້. ແລະຕົວແທນນີ້ກາຍເປັນຄໍຂວດ. ຖ້າມີບາງສິ່ງບາງຢ່າງເກີດຂຶ້ນກັບຕົວແທນ, ຫຼັງຈາກນັ້ນ Patroni ບໍ່ສາມາດເຮັດວຽກກັບກຸ່ມ Consul ໄດ້. ແລະນີ້ແມ່ນບັນຫາ. ບໍ່ມີຕົວແທນໃນແຜນ Etcd. Patroni ສາມາດເຮັດວຽກໂດຍກົງກັບບັນຊີລາຍຊື່ຂອງເຄື່ອງແມ່ຂ່າຍ Etcd ແລະຕິດຕໍ່ສື່ສານກັບພວກເຂົາແລ້ວ. ໃນເລື່ອງນີ້, ຖ້າທ່ານໃຊ້ Etcd ໃນບໍລິສັດຂອງທ່ານ, ຫຼັງຈາກນັ້ນ Etcd ອາດຈະເປັນທາງເລືອກທີ່ດີກວ່າ Consul. ແຕ່ກັບລູກຄ້າຂອງພວກເຮົາ, ພວກເຮົາສະເຫມີຈໍາກັດໂດຍສິ່ງທີ່ລູກຄ້າໄດ້ເລືອກແລະນໍາໃຊ້. ແລະສໍາລັບສ່ວນໃຫຍ່, ລູກຄ້າຂອງພວກເຮົາທັງຫມົດມີ Consul.
• ແລະຈຸດສຸດທ້າຍແມ່ນເພື່ອພິຈາລະນາຄືນຄ່າພາລາມິເຕີ. ພວກເຮົາສາມາດຍົກສູງຕົວກໍານົດການເຫຼົ່ານີ້ໃຫ້ສູງຂຶ້ນໂດຍຫວັງວ່າບັນຫາເຄືອຂ່າຍໄລຍະສັ້ນຂອງພວກເຮົາຈະສັ້ນແລະຈະບໍ່ຕົກຢູ່ໃນຂອບເຂດຂອງຕົວກໍານົດການເຫຼົ່ານີ້. ວິທີນີ້ພວກເຮົາສາມາດຫຼຸດຜ່ອນການຮຸກຮານຂອງ Patroni ເພື່ອດໍາເນີນການ autofileover ຖ້າບັນຫາເຄືອຂ່າຍໃດໆເກີດຂື້ນ.

ຂ້າພະເຈົ້າຄິດວ່າຫຼາຍຄົນທີ່ໃຊ້ Patroni ຄຸ້ນເຄີຍກັບຄໍາສັ່ງນີ້.

ຄຳສັ່ງນີ້ສະແດງສະຖານະປັດຈຸບັນຂອງກຸ່ມ. ແລະຢູ່ glance ທໍາອິດຮູບນີ້ອາດຈະເບິ່ງຄືວ່າປົກກະຕິ. ພວກເຮົາມີຕົ້ນສະບັບ, ພວກເຮົາມີ replica, ບໍ່ມີ lag replication. ແຕ່ຮູບນີ້ແມ່ນປົກກະຕິຈົນກ່ວາພວກເຮົາຮູ້ວ່າກຸ່ມນີ້ຄວນຈະມີສາມຂໍ້, ບໍ່ແມ່ນສອງ.

ດັ່ງນັ້ນ, autofileover ເກີດຂຶ້ນ. ແລະຫຼັງຈາກ autofileover ນີ້, replica ຂອງພວກເຮົາຫາຍໄປ. ພວກເຮົາຈໍາເປັນຕ້ອງຊອກຫາວ່າເປັນຫຍັງນາງຫາຍໄປແລະເຮັດໃຫ້ນາງກັບຄືນມາ, ຟື້ນຟູຂອງນາງ. ແລະພວກເຮົາອີກເທື່ອຫນຶ່ງໄປຫາບັນທຶກແລະເບິ່ງວ່າເປັນຫຍັງ autofileover ເກີດຂຶ້ນ.

ໃນກໍລະນີນີ້, ການຈໍາລອງທີສອງໄດ້ກາຍເປັນແມ່ບົດ. ທຸກຢ່າງແມ່ນດີຢູ່ທີ່ນີ້.

ແລະພວກເຮົາຈໍາເປັນຕ້ອງໄດ້ເບິ່ງແບບຈໍາລອງທີ່ຫຼຸດລົງແລະບໍ່ໄດ້ຢູ່ໃນກຸ່ມ. ພວກເຮົາເປີດບັນທຶກ Patroni ແລະເຫັນວ່າພວກເຮົາມີບັນຫາຢູ່ໃນຂັ້ນຕອນ pg_rewind ໃນຂະນະທີ່ເຊື່ອມຕໍ່ກັບກຸ່ມ. ເພື່ອເຊື່ອມຕໍ່ກັບ cluster, ທ່ານຈໍາເປັນຕ້ອງ rewind ບັນທຶກການເຮັດທຸລະກໍາ, ຮ້ອງຂໍບັນທຶກການເຮັດທຸລະກໍາທີ່ຕ້ອງການຈາກແມ່ບົດແລະນໍາໃຊ້ມັນເພື່ອຈັບກັບແມ່ບົດ.

ໃນກໍລະນີນີ້, ພວກເຮົາບໍ່ມີບັນທຶກການເຮັດທຸລະກໍາແລະ replica ບໍ່ສາມາດເລີ່ມຕົ້ນໄດ້. ດັ່ງນັ້ນ, ພວກເຮົາຢຸດເຊົາ Postgres ດ້ວຍຄວາມຜິດພາດ. ແລະນັ້ນແມ່ນເຫດຜົນທີ່ວ່າມັນບໍ່ຢູ່ໃນກຸ່ມ.

ພວກເຮົາຈໍາເປັນຕ້ອງເຂົ້າໃຈວ່າເປັນຫຍັງມັນບໍ່ຢູ່ໃນກຸ່ມແລະເປັນຫຍັງບໍ່ມີໄມ້ທ່ອນ. ພວກເຮົາໄປຫາແມ່ບົດໃຫມ່ແລະເບິ່ງສິ່ງທີ່ມັນມີຢູ່ໃນບັນທຶກຂອງມັນ. ມັນປະກົດວ່າເມື່ອ pg_rewind ໄດ້ເຮັດແລ້ວ, ດ່ານໄດ້ເກີດຂຶ້ນ. ແລະບາງບັນທຶກການເຮັດທຸລະກໍາເກົ່າໄດ້ຖືກປ່ຽນຊື່ພຽງແຕ່. ເມື່ອນາຍເກົ່າພະຍາຍາມເຊື່ອມຕໍ່ກັບແມ່ບົດໃຫມ່ແລະຮ້ອງຂໍໃຫ້ບັນທຶກເຫຼົ່ານີ້, ເຂົາເຈົ້າໄດ້ຖືກປ່ຽນຊື່ແລ້ວ, ພວກມັນພຽງແຕ່ບໍ່ມີ.

ຂ້າພະເຈົ້າໄດ້ປຽບທຽບເວລາທີ່ມີເຫດການເຫຼົ່ານີ້ເກີດຂຶ້ນ. ແລະຢູ່ທີ່ນັ້ນຄວາມແຕກຕ່າງແມ່ນ 150 milliseconds, i.e. ໃນ 369 milliseconds ດ່ານໄດ້ສໍາເລັດ, ພາກສ່ວນ WAL ໄດ້ຖືກປ່ຽນຊື່. ແລະຮູ້ຫນັງສືຢູ່ທີ່ 517, 150 milliseconds ຕໍ່ມາ, rewind ໄດ້ເລີ່ມຕົ້ນໃນ replica ເກົ່າ. ນັ້ນແມ່ນ, 150 milliseconds ແມ່ນພຽງພໍສໍາລັບພວກເຮົາເພື່ອປ້ອງກັນບໍ່ໃຫ້ replica ຈາກການເຊື່ອມຕໍ່ແລະເຮັດວຽກ.

ຕົວເລືອກມີຫຍັງແດ່?

ໃນເບື້ອງຕົ້ນພວກເຮົາໃຊ້ຊ່ອງ replication. ພວກເຮົາຄິດວ່າມັນດີ. ເຖິງແມ່ນວ່າຢູ່ໃນຂັ້ນຕອນທໍາອິດຂອງການດໍາເນີນງານພວກເຮົາປິດສະລັອດຕິງ. ມັນເບິ່ງຄືວ່າພວກເຮົາຖ້າຫາກວ່າສະລັອດຕິງໄດ້ສະສົມຫຼາຍພາກສ່ວນ WAL, ພວກເຮົາອາດຈະຫຼຸດລົງແມ່ບົດ. ລາວຈະຕົກ. ພວກເຮົາທົນທຸກສໍາລັບບາງເວລາໂດຍບໍ່ມີການສະລັອດຕິງ. ແລະພວກເຮົາຮູ້ວ່າພວກເຮົາຕ້ອງການສະລັອດຕິງ, ພວກເຮົາກັບຄືນສະລັອດຕິງ.

ແຕ່ມີບັນຫາຢູ່ນີ້ວ່າເມື່ອແມ່ບົດຍ້າຍໄປທີ່ replica, ມັນຈະລຶບສະລັອດຕິງແລະ, ພ້ອມກັບສະລັອດຕິງ, ລຶບສ່ວນ WAL. ແລະເພື່ອລົບລ້າງບັນຫານີ້, ພວກເຮົາໄດ້ຕັດສິນໃຈຍົກພາລາມິເຕີ wal_keep_segments. ມັນຕັ້ງໄວ້ເປັນ 8 ພາກສ່ວນ. ພວກເຮົາຍົກມັນຂຶ້ນເປັນ 1 ແລະເບິ່ງວ່າພວກເຮົາມີພື້ນທີ່ຫວ່າງຫຼາຍປານໃດ. ແລະພວກເຮົາໄດ້ບໍລິຈາກ 000 gigabytes ໃຫ້ກັບ wal_keep_segments. ນັ້ນແມ່ນ, ເມື່ອປ່ຽນ, ພວກເຮົາສະເຫມີມີສະຫງວນໄວ້ 16 gigabytes ຂອງບັນທຶກການເຮັດທຸລະກໍາໃນທຸກ nodes.

ແລະບວກ - ນີ້ຍັງກ່ຽວຂ້ອງກັບວຽກງານບໍາລຸງຮັກສາໄລຍະຍາວ. ໃຫ້ເວົ້າວ່າພວກເຮົາຈໍາເປັນຕ້ອງໄດ້ປັບປຸງຫນຶ່ງໃນ replicas. ແລະພວກເຮົາຕ້ອງການປິດມັນ. ພວກເຮົາຈໍາເປັນຕ້ອງໄດ້ປັບປຸງຊອບແວ, ບາງທີລະບົບປະຕິບັດການ, ບາງສິ່ງບາງຢ່າງອື່ນ. ແລະໃນເວລາທີ່ພວກເຮົາປິດການຈໍາລອງ, ຊ່ອງສໍາລັບ replica ດັ່ງກ່າວໄດ້ຖືກໂຍກຍ້າຍອອກ. ແລະຖ້າພວກເຮົາໃຊ້ wal_keep_segments ຂະຫນາດນ້ອຍ, ຫຼັງຈາກນັ້ນຖ້າບໍ່ມີຕົວແບບຈໍາລອງຍາວ, ບັນທຶກການເຮັດທຸລະກໍາຈະສູນເສຍໄປ. ພວກເຮົາຈະເລືອກເອົາຕົວແບບຈໍາລອງ, ມັນຈະຮ້ອງຂໍບັນທຶກການເຮັດທຸລະກໍາເຫຼົ່ານັ້ນບ່ອນທີ່ມັນຢຸດເຊົາ, ແຕ່ພວກເຂົາອາດຈະບໍ່ຢູ່ໃນຕົ້ນສະບັບ. ແລະການຈໍາລອງຍັງຈະບໍ່ສາມາດເຊື່ອມຕໍ່ໄດ້. ນັ້ນແມ່ນເຫດຜົນທີ່ພວກເຮົາເກັບຮັກສາວາລະສານຂະຫນາດໃຫຍ່.

ພວກເຮົາມີພື້ນຖານການຜະລິດ. ໂຄງການຕ່າງໆໄດ້ເຮັດວຽກຢູ່ບ່ອນນັ້ນແລ້ວ.

ຜູ້ຍື່ນໄດ້ເກີດຂຶ້ນ. ພວກເຮົາໄດ້ເຂົ້າໄປໃນແລະເບິ່ງ - ທຸກສິ່ງທຸກຢ່າງແມ່ນຢູ່ໃນຄໍາສັ່ງ, replicas ຢູ່ໃນສະຖານທີ່, ບໍ່ມີ lag replication lag. ບໍ່ມີຂໍ້ຜິດພາດໃດໆໃນບັນທຶກ, ທຸກສິ່ງທຸກຢ່າງແມ່ນຢູ່ໃນຄໍາສັ່ງ.

ທີມງານຜະລິດຕະພັນເວົ້າວ່າມັນເບິ່ງຄືວ່າຄວນຈະມີຂໍ້ມູນບາງຢ່າງ, ແຕ່ພວກເຮົາເຫັນມັນຈາກແຫຼ່ງຫນຶ່ງ, ແຕ່ພວກເຮົາບໍ່ເຫັນມັນຢູ່ໃນຖານຂໍ້ມູນ. ແລະພວກເຮົາຈໍາເປັນຕ້ອງເຂົ້າໃຈສິ່ງທີ່ເກີດຂຶ້ນກັບເຂົາເຈົ້າ.

ມັນເປັນທີ່ຊັດເຈນວ່າ pg_rewind ລົບພວກມັນ. ພວກ​ເຮົາ​ຮູ້​ທັນ​ທີ​ນີ້, ແຕ່​ໄປ​ເບິ່ງ​ສິ່ງ​ທີ່​ເກີດ​ຂຶ້ນ.

ໃນບັນທຶກພວກເຮົາສະເຫມີສາມາດຊອກຫາໃນເວລາທີ່ filer ເກີດຂຶ້ນ, ຜູ້ທີ່ໄດ້ກາຍເປັນຕົ້ນສະບັບ, ແລະພວກເຮົາສາມາດກໍານົດວ່າໃຜເປັນຕົ້ນສະບັບເກົ່າແລະໃນເວລາທີ່ເຂົາຕ້ອງການທີ່ຈະກາຍເປັນ replica, i.e. ພວກເຮົາຕ້ອງການບັນທຶກເຫຼົ່ານີ້ເພື່ອຊອກຫາປະລິມານຂອງບັນທຶກການເຮັດທຸລະກໍາທີ່ເປັນ. ສູນເສຍ.

ແມ່ບົດເກົ່າຂອງພວກເຮົາໄດ້ປິດເປີດໃໝ່ແລ້ວ. ແລະ Patroni ໄດ້ລົງທະບຽນຢູ່ໃນ autostart. Patroni ເປີດຕົວ. ຫຼັງຈາກນັ້ນ, ລາວໄດ້ເລີ່ມຕົ້ນ Postgres. ຫຼາຍທີ່ຊັດເຈນ, ກ່ອນທີ່ຈະເລີ່ມ Postgres ແລະກ່ອນທີ່ຈະເຮັດໃຫ້ມັນເປັນ replica, Patroni ໄດ້ເປີດຕົວຂະບວນການ pg_rewind. ດັ່ງນັ້ນ, ລາວໄດ້ລຶບບາງບັນທຶກການເຮັດທຸລະກໍາ, ດາວໂຫລດໃຫມ່ແລະເຊື່ອມຕໍ່. ທີ່ນີ້ Patroni ໄດ້ເຮັດວຽກທີ່ຍິ່ງໃຫຍ່, ນັ້ນແມ່ນ, ຍ້ອນວ່າມັນຄວນຈະເປັນ. ກຸ່ມຂອງພວກເຮົາໄດ້ຮັບການຟື້ນຟູ. ພວກເຮົາມີ 3 nodes, ຫຼັງຈາກ filer ມີ 3 nodes - ທຸກສິ່ງທຸກຢ່າງແມ່ນເຢັນ.

ພວກເຮົາໄດ້ສູນເສຍຂໍ້ມູນບາງຢ່າງ. ແລະພວກເຮົາຈໍາເປັນຕ້ອງເຂົ້າໃຈວ່າພວກເຮົາສູນເສຍຫຼາຍປານໃດ. ພວກເຮົາກໍາລັງຊອກຫາຢ່າງແທ້ຈິງໃນເວລາທີ່ພວກເຮົາມີ rewind ໄດ້. ພວກເຮົາສາມາດຊອກຫາສິ່ງນີ້ໄດ້ຈາກລາຍການວາລະສານເຫຼົ່ານີ້. rewind ໄດ້ເລີ່ມຕົ້ນ, ເຮັດບາງສິ່ງບາງຢ່າງຢູ່ທີ່ນັ້ນແລະສິ້ນສຸດລົງ.

ພວກເຮົາຈໍາເປັນຕ້ອງຊອກຫາຕໍາແຫນ່ງໃນບັນທຶກການເຮັດທຸລະກໍາທີ່ເຈົ້າຂອງເກົ່າຢຸດ. ໃນກໍລະນີນີ້, ມັນແມ່ນເຄື່ອງຫມາຍນີ້. ແລະພວກເຮົາຕ້ອງການເຄື່ອງຫມາຍທີສອງ, i.e. ໄລຍະຫ່າງທີ່ຕົ້ນສະບັບເກົ່າແຕກຕ່າງຈາກໃຫມ່.

ພວກເຮົາເອົາ pg_wal_lsn_diff ປົກກະຕິແລະປຽບທຽບສອງເຄື່ອງຫມາຍນີ້. ແລະໃນກໍລະນີນີ້ພວກເຮົາໄດ້ຮັບ 17 megabytes. ບໍ່​ວ່າ​ຈະ​ເປັນ​ຫຼາຍ​ຫຼື​ເລັກ​ນ້ອຍ​, ທຸກ​ຄົນ​ຕັດ​ສິນ​ໃຈ​ດ້ວຍ​ຕົນ​ເອງ​. ເນື່ອງຈາກວ່າສໍາລັບບາງຄົນ, 17 megabytes ແມ່ນບໍ່ຫຼາຍ, ສໍາລັບຄົນອື່ນມັນແມ່ນຫຼາຍແລະບໍ່ສາມາດຍອມຮັບໄດ້. ຢູ່ທີ່ນີ້, ທຸກຄົນຕັດສິນໃຈດ້ວຍຕົນເອງຕາມຄວາມຕ້ອງການຂອງທຸລະກິດ.

ແຕ່​ພວກ​ເຮົາ​ໄດ້​ພົບ​ເຫັນ​ຫຍັງ​ສໍາ​ລັບ​ຕົວ​ເຮົາ​ເອງ?

ທໍາອິດ, ພວກເຮົາຕ້ອງຕັດສິນໃຈດ້ວຍຕົນເອງ - ພວກເຮົາສະເຫມີຕ້ອງການ Patroni autostart ຫຼັງຈາກລະບົບ reboot? ເລື້ອຍໆມັນເກີດຂຶ້ນທີ່ພວກເຮົາຕ້ອງໄປຫານາຍເກົ່າ, ເບິ່ງວ່າລາວໄປໄກເທົ່າໃດ. ບາງທີການກວດສອບພາກສ່ວນບັນທຶກການເຮັດທຸລະກໍາ, ເບິ່ງວ່າມີຫຍັງແດ່. ແລະເຂົ້າໃຈວ່າພວກເຮົາສາມາດສູນເສຍຂໍ້ມູນນີ້ຫຼືວ່າພວກເຮົາຈໍາເປັນຕ້ອງດໍາເນີນການຕົ້ນສະບັບເກົ່າຢູ່ໃນຮູບແບບສະແຕນອະໂລນເພື່ອດຶງຂໍ້ມູນນີ້.

ແລະພຽງແຕ່ຫຼັງຈາກນີ້ພວກເຮົາຕ້ອງຕັດສິນໃຈວ່າພວກເຮົາສາມາດຍົກເລີກຂໍ້ມູນນີ້ຫຼືພວກເຮົາສາມາດຟື້ນຟູມັນໄດ້, ເຊື່ອມຕໍ່ node ນີ້ເປັນ replica ກັບ cluster ຂອງພວກເຮົາ.

ນອກຈາກນັ້ນ, ມີພາລາມິເຕີ "maximum_lag_on_failover". ໂດຍຄ່າເລີ່ມຕົ້ນ, ຖ້າຫນ່ວຍຄວາມຈໍາຂອງຂ້ອຍຮັບໃຊ້ຂ້ອຍຢ່າງຖືກຕ້ອງ, ພາລາມິເຕີນີ້ມີມູນຄ່າ 1 megabyte.

ລາວເຮັດວຽກແນວໃດ? ຖ້າ replica ຂອງພວກເຮົາແມ່ນຢູ່ຫລັງໂດຍ 1 megabyte ຂອງຂໍ້ມູນໃນ replication lag lag, ຫຼັງຈາກນັ້ນ replica ນີ້ບໍ່ໄດ້ມີສ່ວນຮ່ວມໃນການເລືອກຕັ້ງ. ແລະຖ້າຫາກວ່າທັນທີທັນໃດ filer ເກີດຂຶ້ນ, Patroni ເບິ່ງວ່າ replicas ແມ່ນຊັກຊ້າ. ຖ້າພວກເຂົາຢູ່ເບື້ອງຫຼັງດ້ວຍບັນທຶກການເຮັດທຸລະກໍາຈໍານວນຫລາຍ, ພວກເຂົາບໍ່ສາມາດກາຍເປັນແມ່ບົດໄດ້. ນີ້ແມ່ນຄຸນສົມບັດຄວາມປອດໄພທີ່ດີຫຼາຍທີ່ປ້ອງກັນບໍ່ໃຫ້ທ່ານສູນເສຍຂໍ້ມູນຫຼາຍ.

ແຕ່ມີບັນຫາທີ່ replication lag ໃນກຸ່ມ Patroni ແລະ DCS ໄດ້ຖືກປັບປຸງໃນຊ່ວງເວລາທີ່ແນ່ນອນ. ຂ້າພະເຈົ້າຄິດວ່າ 30 ວິນາທີແມ່ນຄ່າ ttl ເລີ່ມຕົ້ນ.

ຕາມນັ້ນແລ້ວ, ອາດຈະມີສະຖານະການທີ່ຄວາມຊັກຊ້າຂອງ replications ສໍາລັບ replicas ໃນ DCS ແມ່ນຄືກັນ, ແຕ່ໃນຄວາມເປັນຈິງອາດຈະມີຄວາມ lag ທີ່ແຕກຕ່າງກັນຫມົດຫຼືອາດຈະບໍ່ມີ lag ທັງຫມົດ, i.e. ສິ່ງນີ້ບໍ່ແມ່ນເວລາຈິງ. ແລະມັນບໍ່ສະເຫມີສະທ້ອນໃຫ້ເຫັນຮູບພາບທີ່ແທ້ຈິງ. ແລະມັນບໍ່ຄຸ້ມຄ່າທີ່ຈະສ້າງເຫດຜົນທີ່ແປກປະຫຼາດໃສ່ມັນ.

ແລະຄວາມສ່ຽງຂອງການສູນເສຍສະເຫມີ. ແລະໃນກໍລະນີທີ່ຮ້າຍແຮງທີ່ສຸດມີສູດຫນຶ່ງ, ແລະໃນກໍລະນີສະເລ່ຍມີສູດອື່ນ. ນັ້ນແມ່ນ, ເມື່ອພວກເຮົາວາງແຜນການປະຕິບັດ Patroni ແລະຄາດຄະເນວ່າພວກເຮົາສາມາດສູນເສຍຂໍ້ມູນຫຼາຍປານໃດ, ພວກເຮົາຕ້ອງອີງໃສ່ສູດເຫຼົ່ານີ້ແລະປະມານການຈິນຕະນາການວ່າພວກເຮົາສາມາດສູນເສຍຂໍ້ມູນຫຼາຍປານໃດ.

ແລະມີຂ່າວດີ. ເມື່ອນາຍເກົ່າໄດ້ກ້າວໄປຂ້າງຫນ້າ, ລາວສາມາດກ້າວໄປຂ້າງຫນ້າໄດ້ເນື່ອງຈາກຂະບວນການພື້ນຖານບາງຢ່າງ. ນັ້ນແມ່ນ, ມີບາງປະເພດຂອງ autovacuum, ມັນຂຽນຂໍ້ມູນແລະບັນທຶກມັນໄວ້ໃນບັນທຶກການເຮັດທຸລະກໍາ. ແລະພວກເຮົາສາມາດບໍ່ສົນໃຈ ແລະສູນເສຍຂໍ້ມູນນີ້ໄດ້ຢ່າງງ່າຍດາຍ. ບໍ່ມີບັນຫາກັບເລື່ອງນີ້.

ແລະນີ້ແມ່ນສິ່ງທີ່ບັນທຶກເບິ່ງຄືວ່າຖ້າ maximum_lag_on_failover ຖືກກໍານົດໄວ້ແລະ fileover ເກີດຂຶ້ນ, ແລະທ່ານຈໍາເປັນຕ້ອງເລືອກຕົ້ນສະບັບໃຫມ່. ແບບຈໍາລອງປະເມີນຕົນເອງວ່າບໍ່ສາມາດເຂົ້າຮ່ວມການເລືອກຕັ້ງໄດ້. ແລະນາງປະຕິເສດທີ່ຈະເຂົ້າຮ່ວມໃນການແຂ່ງຂັນສໍາລັບຜູ້ນໍາ. ແລະນາງລໍຖ້າການເລືອກເອົາແມ່ບົດໃຫມ່, ດັ່ງນັ້ນນາງຈຶ່ງສາມາດເຊື່ອມຕໍ່ກັບລາວ. ນີ້ແມ່ນມາດຕະການເພີ່ມເຕີມຕໍ່ກັບການສູນເສຍຂໍ້ມູນ.

ທີ່ນີ້ທີມງານຜະລິດຕະພັນຂອງພວກເຮົາໄດ້ຂຽນວ່າຜະລິດຕະພັນຂອງພວກເຂົາກໍາລັງປະສົບບັນຫາໃນເວລາທີ່ເຮັດວຽກກັບ Postgres. ໃນເວລາດຽວກັນ, ທ່ານບໍ່ສາມາດເຂົ້າເຖິງແມ່ແບບຕົວມັນເອງ, ເພາະວ່າມັນບໍ່ສາມາດເຂົ້າເຖິງໄດ້ຜ່ານ SSH. ແລະ autofileover ບໍ່ເກີດຂຶ້ນຄືກັນ.

ເຈົ້າພາບນີ້ຖືກບັງຄັບໃຫ້ປິດເປີດໃໝ່. ເນື່ອງຈາກການ reboot, autofileover ເກີດຂຶ້ນ, ເຖິງແມ່ນວ່າມັນເປັນໄປໄດ້ທີ່ຈະເຮັດ autofileover ຄູ່ມື, ດັ່ງທີ່ຂ້າພະເຈົ້າເຂົ້າໃຈໃນປັດຈຸບັນ. ແລະຫຼັງຈາກ reboot, ພວກເຮົາໄປເບິ່ງສິ່ງທີ່ພວກເຮົາມີກັບຕົ້ນສະບັບໃນປະຈຸບັນ.

ໃນເວລາດຽວກັນ, ພວກເຮົາຮູ້ລ່ວງຫນ້າວ່າພວກເຮົາມີບັນຫາກັບແຜ່ນ, i.e. ພວກເຮົາຮູ້ແລ້ວຈາກການຕິດຕາມບ່ອນທີ່ຈະຂຸດແລະສິ່ງທີ່ຈະຊອກຫາ.

ພວກເຮົາໄດ້ເຂົ້າໄປໃນບັນທຶກຂອງ postgres ແລະເລີ່ມເບິ່ງສິ່ງທີ່ເກີດຂຶ້ນຢູ່ທີ່ນັ້ນ. ພວກ​ເຮົາ​ໄດ້​ເຫັນ​ຄຳ​ໝັ້ນ​ສັນ​ຍາ​ທີ່​ໃຊ້​ເວ​ລາ​ນຶ່ງ, ສອງ​ຫຼື​ສາມ​ວິ​ນາ​ທີ, ຊຶ່ງ​ບໍ່​ແມ່ນ​ເລື່ອງ​ປົກ​ກະ​ຕິ​ເລີຍ. ພວກເຮົາເຫັນວ່າ autovacuum ຂອງພວກເຮົາໃຊ້ເວລາດົນ ແລະແປກທີ່ຈະເລີ່ມຕົ້ນ. ແລະພວກເຮົາໄດ້ເຫັນໄຟລ໌ຊົ່ວຄາວຢູ່ໃນແຜ່ນ. ນັ້ນແມ່ນ, ເຫຼົ່ານີ້ແມ່ນຕົວຊີ້ວັດທັງຫມົດຂອງບັນຫາກັບແຜ່ນ.

ພວກເຮົາເບິ່ງເຂົ້າໄປໃນລະບົບ dmesg (ບັນທຶກຂໍ້ຄວາມນິວເຄຼຍ). ແລະພວກເຮົາໄດ້ເຫັນວ່າພວກເຮົາມີບັນຫາກັບຫນຶ່ງໃນແຜ່ນ. ລະບົບຍ່ອຍຂອງແຜ່ນແມ່ນຊອບແວ Raid. ພວກເຮົາໄດ້ເບິ່ງ /proc/mdstat ແລະເຫັນວ່າພວກເຮົາຂາດແຜ່ນຫນຶ່ງ. ນັ້ນແມ່ນ, ມີການໂຈມຕີຂອງ 8 ແຜ່ນ, ພວກເຮົາຫາຍໄປຫນຶ່ງ. ຖ້າທ່ານເບິ່ງຢ່າງໃກ້ຊິດຢູ່ໃນສະໄລ້, ທ່ານສາມາດເບິ່ງຜົນໄດ້ຮັບທີ່ພວກເຮົາບໍ່ມີ sde ຢູ່ທີ່ນັ້ນ. ແຜ່ນຂອງພວກເຮົາ, ຂ້ອນຂ້າງເວົ້າ, ຫຼຸດລົງ. ນີ້ເຮັດໃຫ້ເກີດບັນຫາໃນແຜ່ນ, ແລະແອັບພລິເຄຊັນຍັງປະສົບບັນຫາໃນເວລາທີ່ເຮັດວຽກກັບກຸ່ມ Postgres.

ແລະໃນກໍລະນີນີ້, Patroni ຈະບໍ່ຊ່ວຍພວກເຮົາໃນທາງໃດກໍ່ຕາມ, ເພາະວ່າ Patroni ບໍ່ມີຫນ້າທີ່ຕິດຕາມສະຖານະຂອງເຄື່ອງແມ່ຂ່າຍ, ສະຖານະຂອງແຜ່ນ. ແລະພວກເຮົາຕ້ອງຕິດຕາມສະຖານະການດັ່ງກ່າວດ້ວຍການຕິດຕາມກວດກາພາຍນອກ. ພວກ​ເຮົາ​ໄດ້​ເພີ່ມ​ການ​ຕິດ​ຕາມ​ແຜ່ນ​ການ​ປະ​ຕິ​ບັດ​ການ​ກັບ​ການ​ຕິດ​ຕາມ​ກວດ​ກາ​ພາຍ​ນອກ​.

ແລະມີຄວາມຄິດນີ້ - ຊອບແວຮົ້ວຫຼື watchdog ສາມາດຊ່ວຍພວກເຮົາບໍ? ພວກເຮົາຄິດວ່າມັນເປັນໄປບໍ່ໄດ້ທີ່ລາວຈະຊ່ວຍພວກເຮົາໃນກໍລະນີນີ້, ເພາະວ່າໃນລະຫວ່າງບັນຫາ Patroni ຍັງສືບຕໍ່ພົວພັນກັບກຸ່ມ DCS ແລະບໍ່ເຫັນບັນຫາໃດໆ. ນັ້ນແມ່ນ, ຈາກທັດສະນະຂອງ DCS ແລະ Patroni, ທຸກສິ່ງທຸກຢ່າງແມ່ນດີກັບກຸ່ມ, ເຖິງແມ່ນວ່າໃນຄວາມເປັນຈິງມີບັນຫາກັບແຜ່ນ, ມີບັນຫາກັບຄວາມພ້ອມຂອງຖານຂໍ້ມູນ.

ໃນຄວາມຄິດເຫັນຂອງຂ້ອຍ, ນີ້ແມ່ນບັນຫາທີ່ແປກປະຫລາດທີ່ສຸດທີ່ຂ້ອຍໄດ້ຄົ້ນຄວ້າເປັນເວລາດົນນານ, ອ່ານຄືນບັນທຶກຈໍານວນຫລາຍ, tinkered ກັບມັນແລະເອີ້ນວ່າມັນເປັນ simulator ກຸ່ມ.

ບັນຫາແມ່ນວ່າແມ່ບົດເກົ່າບໍ່ສາມາດກາຍເປັນແບບຈໍາລອງແບບທໍາມະດາ, i.e. Patroni ເປີດຕົວມັນ, Patroni ສະແດງໃຫ້ເຫັນວ່າ node ນີ້ມີຢູ່ໃນແບບຈໍາລອງ, ແຕ່ໃນເວລາດຽວກັນມັນບໍ່ແມ່ນແບບຈໍາລອງແບບທໍາມະດາ. ໃນປັດຈຸບັນທ່ານຈະເຫັນວ່າເປັນຫຍັງ. ຂ້າພະເຈົ້າໄດ້ເກັບຮັກສານີ້ຈາກການວິເຄາະບັນຫານັ້ນ.

ແລະມັນເລີ່ມຕົ້ນຢູ່ໃສ? ມັນເລີ່ມຕົ້ນ, ເຊັ່ນດຽວກັນກັບບັນຫາທີ່ຜ່ານມາ, ດ້ວຍການຫ້າມລໍ້ແຜ່ນ. ພວກ​ເຮົາ​ໄດ້​ໃຫ້​ຄໍາ​ຫມັ້ນ​ສັນ​ຍາ​ຫນຶ່ງ​ວິ​ນາ​ທີ​ທີ່​ໃຊ້​ເວ​ລາ​, ສອງ​ຄັ້ງ​ຕໍ່​.

ມີການເຊື່ອມຕໍ່ລົ້ມເຫລວ, i.e. ລູກຄ້າຖືກຕັດການເຊື່ອມຕໍ່.

ມີການອຸດຕັນຂອງຄວາມຮຸນແຮງທີ່ແຕກຕ່າງກັນ.

ແລະ, ຕາມຄວາມເຫມາະສົມ, ລະບົບຍ່ອຍຂອງແຜ່ນແມ່ນບໍ່ຕອບສະຫນອງຫຼາຍ.

ແລະສິ່ງທີ່ລຶກລັບທີ່ສຸດສໍາລັບຂ້ອຍແມ່ນການຮ້ອງຂໍການປິດທັນທີທີ່ມາຮອດ. Postgres ມີສາມໂຫມດປິດ:

• ມັນດີໃຈເມື່ອພວກເຮົາລໍຖ້າໃຫ້ລູກຄ້າທັງໝົດຕັດການເຊື່ອມຕໍ່ດ້ວຍຕົນເອງ.
• ມີຄວາມໄວ, ເມື່ອພວກເຮົາບັງຄັບໃຫ້ລູກຄ້າຕັດການເຊື່ອມຕໍ່ເພາະວ່າພວກເຮົາຈະປິດ.
• ແລະທັນທີ. ໃນກໍລະນີນີ້, ທັນທີບໍ່ໄດ້ບອກລູກຄ້າໃຫ້ປິດ, ມັນພຽງແຕ່ປິດລົງໂດຍບໍ່ມີການເຕືອນ. ແລະລະບົບປະຕິບັດການສົ່ງຂໍ້ຄວາມ RST ກັບລູກຄ້າທັງຫມົດ (ຂໍ້ຄວາມ TCP ວ່າການເຊື່ອມຕໍ່ໄດ້ຖືກຂັດຂວາງແລະລູກຄ້າບໍ່ມີຫຍັງທີ່ຈະຈັບໄດ້).

ໃຜສົ່ງສັນຍານນີ້? ຂະບວນການ Postgres ພື້ນຫລັງບໍ່ໄດ້ສົ່ງສັນຍານດັ່ງກ່າວໄປຫາກັນແລະກັນ, i.e. ນີ້ແມ່ນ kill-9. ພວກເຂົາບໍ່ໄດ້ສົ່ງເລື່ອງນີ້ໃຫ້ກັນແລະກັນ, ພວກເຂົາພຽງແຕ່ຕອບສະຫນອງຕໍ່ເລື່ອງນີ້, i.e. ນີ້ແມ່ນການເລີ່ມຕົ້ນສຸກເສີນຂອງ Postgres. ຂ້ອຍບໍ່ຮູ້ວ່າໃຜສົ່ງລາວ.

ຂ້ອຍເບິ່ງຄໍາສັ່ງ "ສຸດທ້າຍ" ແລະຂ້ອຍເຫັນຄົນຫນຶ່ງທີ່ເຂົ້າສູ່ລະບົບເຄື່ອງແມ່ຂ່າຍນີ້ກັບພວກເຮົາ, ແຕ່ຂ້ອຍຮູ້ສຶກອາຍທີ່ຈະຖາມຄໍາຖາມ. ບາງທີມັນອາດຈະຖືກຂ້າ -9. ຂ້າ​ພະ​ເຈົ້າ​ຈະ​ເຫັນ​ຂ້າ -9 ໃນ​ໄມ້​ທ່ອນ​, ເນື່ອງ​ຈາກ​ວ່າ ... Postgres ເວົ້າວ່າມັນຍອມຮັບການຂ້າ -9, ແຕ່ຂ້ອຍບໍ່ເຫັນມັນຢູ່ໃນໄມ້ທ່ອນ.

ຊອກຫາຕື່ມອີກ, ຂ້າພະເຈົ້າໄດ້ເຫັນວ່າ Patroni ບໍ່ໄດ້ຂຽນໃສ່ບັນທຶກເປັນເວລາດົນນານ - 54 ວິນາທີ. ແລະຖ້າທ່ານປຽບທຽບການສະແຕມສອງຄັ້ງ, ບໍ່ມີຂໍ້ຄວາມປະມານ 54 ວິນາທີ.

ແລະໃນລະຫວ່າງເວລານີ້ autofileover ເກີດຂຶ້ນ. Patroni ເຮັດວຽກໄດ້ດີຢູ່ທີ່ນີ້ອີກເທື່ອຫນຶ່ງ. ນາຍເກົ່າຂອງພວກເຮົາບໍ່ສາມາດໃຊ້ໄດ້, ມີບາງສິ່ງບາງຢ່າງເກີດຂຶ້ນກັບລາວ. ແລະການເລືອກຕັ້ງຂອງນາຍໃຫມ່ໄດ້ເລີ່ມຕົ້ນ. ທຸກຢ່າງເຮັດວຽກໄດ້ດີຢູ່ທີ່ນີ້. pgsql01 ຂອງພວກເຮົາໄດ້ກາຍເປັນຜູ້ນໍາໃຫມ່ຂອງພວກເຮົາ.

ພວກເຮົາມີແບບຈໍາລອງທີ່ໄດ້ກາຍເປັນຕົ້ນສະບັບ. ແລະມີການຈໍາລອງອັນທີສອງ. ແລະມີບັນຫາກັບຂໍ້ສັງເກດທີສອງ. ນາງພະຍາຍາມ configure. ດັ່ງທີ່ຂ້ອຍເຂົ້າໃຈມັນ, ນາງໄດ້ພະຍາຍາມປ່ຽນ recovery.conf, restart Postgres ແລະເຊື່ອມຕໍ່ກັບແມ່ແບບໃຫມ່. ນາງສົ່ງຂໍ້ຄວາມທຸກໆ 10 ວິນາທີວ່ານາງພະຍາຍາມ, ແຕ່ນາງບໍ່ປະສົບຜົນສໍາເລັດ.

ແລະໃນລະຫວ່າງການພະຍາຍາມເຫຼົ່ານີ້, ສັນຍານການປິດທັນທີທັນໃດມາຮອດແມ່ບົດເກົ່າ. ແມ່ບົດເລີ່ມຕົ້ນໃໝ່. ແລະການຟື້ນຕົວຍັງຢຸດເຊົາເພາະວ່າຕົ້ນສະບັບເກົ່າເຂົ້າໄປໃນ reboot. ນັ້ນແມ່ນ, ແບບຈໍາລອງບໍ່ສາມາດເຊື່ອມຕໍ່ກັບມັນໄດ້ເພາະວ່າມັນຢູ່ໃນໂຫມດປິດ.

ໃນບາງຈຸດມັນເຮັດວຽກ, ແຕ່ການຈໍາລອງບໍ່ໄດ້ເລີ່ມຕົ້ນ.

ສົມມຸດຕິຖານດຽວທີ່ຂ້ອຍມີແມ່ນວ່າ recovery.conf ມີທີ່ຢູ່ຂອງຕົ້ນສະບັບເກົ່າ. ແລະໃນເວລາທີ່ແມ່ບົດໃຫມ່ປະກົດຕົວ, ການຈໍາລອງທີສອງຍັງຄົງພະຍາຍາມເຊື່ອມຕໍ່ກັບແມ່ບົດເກົ່າ.

ເມື່ອ Patroni ເລີ່ມຕົ້ນໃນ replica ທີສອງ, node ໄດ້ເລີ່ມຕົ້ນ, ແຕ່ບໍ່ສາມາດເຊື່ອມຕໍ່ໂດຍຜ່ານການ replication. ແລະ​ການ​ຈໍາ​ລອງ​ທີ່​ຊັກ​ຊ້າ​ໄດ້​ສ້າງ​ຕັ້ງ​ຂຶ້ນ​, ເຊິ່ງ​ເບິ່ງ​ບາງ​ສິ່ງ​ບາງ​ຢ່າງ​ເຊັ່ນ​ນີ້​. ນັ້ນແມ່ນ, ທັງສາມ nodes ຢູ່ໃນສະຖານທີ່, ແຕ່ node ທີສອງແມ່ນຊັກຊ້າ.

ໃນເວລາດຽວກັນ, ຖ້າທ່ານເບິ່ງບັນທຶກທີ່ຂຽນ, ທ່ານຈະເຫັນວ່າການຈໍາລອງບໍ່ສາມາດເລີ່ມຕົ້ນໄດ້ເພາະວ່າບັນທຶກການເຮັດທຸລະກໍາແຕກຕ່າງກັນ. ແລະບັນທຶກການເຮັດທຸລະກໍາທີ່ຕົວຊ່ວຍສ້າງສະເຫນີ, ເຊິ່ງລະບຸໄວ້ໃນ recovery.conf, ແມ່ນບໍ່ເຫມາະສົມສໍາລັບ node ໃນປັດຈຸບັນຂອງພວກເຮົາ.

ແລະໃນທີ່ນີ້ຂ້າພະເຈົ້າໄດ້ເຮັດຜິດພາດ. ຂ້ອຍຕ້ອງມາເບິ່ງສິ່ງທີ່ມີຢູ່ໃນ recovery.conf ເພື່ອທົດສອບສົມມຸດຕິຖານຂອງຂ້ອຍວ່າພວກເຮົາເຊື່ອມຕໍ່ກັບແມ່ແບບທີ່ບໍ່ຖືກຕ້ອງ. ແຕ່ຂ້ອຍພຽງແຕ່ຄິດໄລ່ມັນໃນເວລານັ້ນແລະມັນບໍ່ໄດ້ເກີດຂື້ນກັບຂ້ອຍ, ຫຼືຂ້ອຍເຫັນວ່າການຈໍາລອງແມ່ນຊັກຊ້າແລະຈະຕ້ອງຖືກຕື່ມ, ie, ຂ້ອຍໄດ້ເຮັດວຽກຢ່າງບໍ່ລະມັດລະວັງ. ນີ້ ແມ່ນ jamb ຂອງ ຂ້າ ພະ ເຈົ້າ.

ຫຼັງຈາກ 30 ນາທີ admin ມາຮອດ, i. i. i. i. restart Patroni on the replica. ຂ້າ​ພະ​ເຈົ້າ​ໄດ້​ປະ​ຖິ້ມ​ມັນ​ແລ້ວ, ຂ້າ​ພະ​ເຈົ້າ​ຄິດ​ວ່າ​ມັນ​ຈະ​ຕ້ອງ​ໄດ້​ເຕີມ​ເງິນ. ແລະຂ້າພະເຈົ້າຄິດວ່າ, ຂ້າພະເຈົ້າຈະປິດເປີດ Patroni, ບາງທີສິ່ງທີ່ດີຈະອອກມາ. ການຟື້ນຕົວໄດ້ເລີ່ມຕົ້ນ. ແລະພື້ນຖານເຖິງແມ່ນວ່າເປີດ, ມັນພ້ອມທີ່ຈະຍອມຮັບການເຊື່ອມຕໍ່.

ການຈໍາລອງໄດ້ເລີ່ມຕົ້ນແລ້ວ. ແຕ່ນາທີຕໍ່ມາມັນຂັດຂ້ອງກັບຄວາມຜິດພາດທີ່ບັນທຶກການເຮັດທຸລະກໍາບໍ່ເຫມາະສົມສໍາລັບມັນ.

ຂ້ອຍຄິດວ່າຂ້ອຍຈະປິດເປີດໃໝ່ອີກຄັ້ງ. ຂ້າພະເຈົ້າໄດ້ເລີ່ມຕົ້ນໃຫມ່ Patroni ອີກເທື່ອຫນຶ່ງ, ແລະຂ້າພະເຈົ້າບໍ່ໄດ້ restart Postgres, ແຕ່ restart Patroni ຫວັງວ່າມັນຈະເປີດຕົວຖານຂໍ້ມູນຢ່າງມະຫັດສະຈັນ.

Replication ໄດ້ເລີ່ມຕົ້ນອີກເທື່ອຫນຶ່ງ, ແຕ່ບັນທຶກໃນບັນທຶກການເຮັດທຸລະກໍາແມ່ນແຕກຕ່າງກັນ, ພວກມັນບໍ່ຄືກັນກັບສິ່ງທີ່ຢູ່ໃນຄວາມພະຍາຍາມທີ່ຜ່ານມາເພື່ອເລີ່ມຕົ້ນ. ການ​ຈໍາ​ລອງ​ໄດ້​ຢຸດ​ເຊົາ​ອີກ​ເທື່ອ​ຫນຶ່ງ​. ແລະຂໍ້ຄວາມແມ່ນແຕກຕ່າງກັນເລັກນ້ອຍ. ແລະມັນບໍ່ແມ່ນຂໍ້ມູນໂດຍສະເພາະສໍາລັບຂ້ອຍ.

ແລະຫຼັງຈາກນັ້ນມັນເກີດຂື້ນກັບຂ້ອຍ - ຈະເປັນແນວໃດຖ້າຂ້ອຍເລີ່ມ Postgres ອີກເທື່ອຫນຶ່ງ, ໃນເວລານີ້ຂ້ອຍເຮັດດ່ານຢູ່ໃນແມ່ບົດປະຈຸບັນເພື່ອຍ້າຍຈຸດໃນບັນທຶກການເຮັດທຸລະກໍາໄປຂ້າງຫນ້າເລັກນ້ອຍເພື່ອໃຫ້ການຟື້ນຕົວເລີ່ມຕົ້ນຈາກເວລາທີ່ແຕກຕ່າງກັນ? ນອກຈາກນັ້ນ, ພວກເຮົາຍັງມີສະຫງວນ WAL ຢູ່ທີ່ນັ້ນ.

ຂ້າພະເຈົ້າໄດ້ເລີ່ມຕົ້ນໃຫມ່ Patroni, ເຮັດສອງຈຸດກວດກາກ່ຽວກັບແມ່ບົດ, ສອງຈຸດ restart ສຸດ replica ເມື່ອມັນເປີດ. ແລະມັນໄດ້ຊ່ວຍ. ຂ້າ​ພະ​ເຈົ້າ​ໄດ້​ຄິດ​ຢ່າງ​ຍາວ​ນານ​ແລະ​ຍາກ​ກ່ຽວ​ກັບ​ວ່າ​ເປັນ​ຫຍັງ​ມັນ​ຊ່ວຍ​ແລະ​ເຮັດ​ແນວ​ໃດ​ມັນ​ເຮັດ​ວຽກ. ແລະການຈໍາລອງໄດ້ເລີ່ມຕົ້ນ. ແລະການຈໍາລອງແບບບໍ່ລົ້ມເຫລວອີກຕໍ່ໄປ.

ບັນຫານີ້ແມ່ນຫນຶ່ງໃນຄວາມລຶກລັບຫຼາຍສໍາລັບຂ້ອຍ, ຫຼາຍກວ່າທີ່ຂ້ອຍຍັງສັບສົນກັບສິ່ງທີ່ເກີດຂຶ້ນຈິງຢູ່ທີ່ນັ້ນ.

ບົດສະຫຼຸບແມ່ນຫຍັງ? Patroni ສາມາດເຮັດວຽກໄດ້ຕາມຈຸດປະສົງແລະບໍ່ມີຂໍ້ຜິດພາດໃດໆ. ແຕ່ໃນເວລາດຽວກັນ, ນີ້ບໍ່ແມ່ນການຮັບປະກັນ 100% ວ່າທຸກສິ່ງທຸກຢ່າງແມ່ນດີກັບພວກເຮົາ. ການຈໍາລອງອາດຈະເລີ່ມຕົ້ນ, ແຕ່ມັນອາດຈະຢູ່ໃນສະພາບເຄິ່ງເຮັດວຽກ, ແລະແອັບພລິເຄຊັນບໍ່ສາມາດເຮັດວຽກກັບເຄື່ອງຈໍາລອງດັ່ງກ່າວໄດ້, ເພາະວ່າມັນຈະມີຂໍ້ມູນເກົ່າຢູ່ທີ່ນັ້ນ.

ແລະຫຼັງຈາກ fileover ພວກເຮົາສະເຫມີຕ້ອງກວດເບິ່ງວ່າທຸກສິ່ງທຸກຢ່າງແມ່ນດີກັບ cluster, i.e. ພວກເຮົາມີຈໍານວນ replicas ທີ່ຕ້ອງການແລະບໍ່ມີການຈໍາລອງການຊັກຊ້າ.

ແລະເມື່ອພວກເຮົາພິຈາລະນາບັນຫາເຫຼົ່ານີ້, ຂ້ອຍຈະສ້າງຄໍາແນະນໍາ. ຂ້າພະເຈົ້າໄດ້ພະຍາຍາມສົມທົບພວກມັນເປັນສອງສະໄລ້. ອາດຈະເປັນ, ເລື່ອງທັງຫມົດສາມາດຖືກລວມເຂົ້າກັນເປັນສອງສະໄລ້ແລະພຽງແຕ່ບອກໃຫ້ເຂົາເຈົ້າ.

ເມື່ອທ່ານໃຊ້ Patroni, ທ່ານຕ້ອງມີການຕິດຕາມ. ທ່ານຄວນຮູ້ເວລາ autofileover ເກີດຂຶ້ນ, ເພາະວ່າຖ້າທ່ານບໍ່ຮູ້ວ່າທ່ານມີ autofileover, ທ່ານບໍ່ໄດ້ຢູ່ໃນການຄວບຄຸມຂອງກຸ່ມ. ແລະນັ້ນກໍ່ບໍ່ດີ.

ຫຼັງຈາກແຕ່ລະ filer, ພວກເຮົາຄວນຈະກວດເບິ່ງ cluster ດ້ວຍຕົນເອງ. ພວກເຮົາຕ້ອງໃຫ້ແນ່ໃຈວ່າພວກເຮົາສະເຫມີມີຈໍານວນ replicas ທີ່ທັນສະໄຫມ, ບໍ່ມີ replication lag lag, ແລະບໍ່ມີຄວາມຜິດພາດໃນບັນທຶກທີ່ກ່ຽວຂ້ອງກັບການ replication streaming, Patroni, ຫຼືລະບົບ DCS.

ອັດຕະໂນມັດສາມາດເຮັດວຽກໄດ້ຢ່າງສໍາເລັດຜົນ, Patroni ເປັນເຄື່ອງມືທີ່ດີຫຼາຍ. ມັນອາດຈະເຮັດວຽກ, ແຕ່ມັນຈະບໍ່ນໍາເອົາກຸ່ມໄປສູ່ສະຖານະທີ່ຕ້ອງການ. ແລະຖ້າພວກເຮົາບໍ່ຮູ້, ຫຼັງຈາກນັ້ນພວກເຮົາຈະມີບັນຫາ.

ແລະ Patroni ບໍ່ແມ່ນລູກປືນເງິນ. ພວກເຮົາຍັງຈໍາເປັນຕ້ອງມີຄວາມເຂົ້າໃຈກ່ຽວກັບວິທີການເຮັດວຽກຂອງ Postgres, ວິທີການ replication ເຮັດວຽກແລະວິທີການ Patroni ເຮັດວຽກກັບ Postgres ແລະວິທີການສື່ສານລະຫວ່າງ nodes ແມ່ນບັນລຸໄດ້. ນີ້ແມ່ນມີຄວາມຈໍາເປັນເພື່ອໃຫ້ສາມາດແກ້ໄຂບັນຫາດ້ວຍມືຂອງທ່ານ.

ຂ້ອຍຈະເຂົ້າຫາບັນຫາການວິນິດໄສແນວໃດ? ມັນເກີດຂຶ້ນດັ່ງນັ້ນພວກເຮົາເຮັດວຽກກັບລູກຄ້າທີ່ແຕກຕ່າງກັນແລະບໍ່ມີໃຜມີ stack ELK, ແລະພວກເຮົາຕ້ອງເຂົ້າໃຈບັນທຶກໂດຍການເປີດ 6 consoles ແລະ 2 ແຖບ. ໃນແຖບຫນຶ່ງມີບັນທຶກ Patroni ສໍາລັບແຕ່ລະ node, ໃນແຖບອື່ນມີບັນທຶກ Consul, ຫຼືບັນທຶກ Postgres ຖ້າຈໍາເປັນ. ມັນເປັນການຍາກຫຼາຍທີ່ຈະວິນິດໄສ.

ຂ້ອຍໄດ້ພັດທະນາວິທີການໃດແດ່? ກ່ອນອື່ນ ໝົດ, ຂ້ອຍເບິ່ງຢູ່ສະ ເໝີ ເມື່ອຜູ້ຍື່ນມາຮອດ. ແລະສໍາລັບຂ້ອຍ, ນີ້ແມ່ນແຫຼ່ງນ້ໍາ. ຂ້ອຍເບິ່ງສິ່ງທີ່ເກີດຂຶ້ນກ່ອນຜູ້ຍື່ນ, ໃນລະຫວ່າງຜູ້ຍື່ນ, ແລະຫຼັງຈາກຜູ້ຍື່ນ. fileover ມີສອງເຄື່ອງຫມາຍ: ນີ້ແມ່ນເວລາເລີ່ມຕົ້ນແລະສິ້ນສຸດ.

ຕໍ່ໄປ, ຂ້ອຍເບິ່ງຢູ່ໃນບັນທຶກເຫດການກ່ອນຜູ້ຍື່ນ, ເຊິ່ງກ່ອນຜູ້ຍື່ນ, i.e. ຂ້ອຍຊອກຫາເຫດຜົນວ່າເປັນຫຍັງຜູ້ຍື່ນ.

ແລະນີ້ເຮັດໃຫ້ຮູບພາບຂອງຄວາມເຂົ້າໃຈກ່ຽວກັບສິ່ງທີ່ເກີດຂຶ້ນແລະສິ່ງທີ່ສາມາດເຮັດໄດ້ໃນອະນາຄົດເພື່ອປ້ອງກັນບໍ່ໃຫ້ສະຖານະການດັ່ງກ່າວເກີດຂຶ້ນ (ແລະເປັນຜົນມາຈາກ, fileover ບໍ່ເກີດຂຶ້ນ).

ແລະປົກກະຕິແລ້ວພວກເຮົາເບິ່ງຢູ່ໃສ? ຂ້ອຍ​ເບິ່ງ:

• ທໍາອິດກັບບັນທຶກ Patroni.
• ຕໍ່ໄປ, ຂ້າພະເຈົ້າເບິ່ງບັນທຶກຂອງ Postgres ຫຼືບັນທຶກ DCS, ຂຶ້ນກັບສິ່ງທີ່ພົບເຫັນຢູ່ໃນບັນທຶກ Patroni.
• ແລະບາງຄັ້ງບັນທຶກລະບົບຍັງໃຫ້ຄວາມເຂົ້າໃຈກ່ຽວກັບສິ່ງທີ່ເຮັດໃຫ້ເກີດໄຟລ໌.

ຂ້ອຍຮູ້ສຶກແນວໃດກ່ຽວກັບ Patroni? ຂ້ອຍຮູ້ສຶກດີຫຼາຍກ່ຽວກັບ Patroni. ໃນຄວາມຄິດເຫັນຂອງຂ້ອຍ, ນີ້ແມ່ນສິ່ງທີ່ດີທີ່ສຸດທີ່ມີໃນມື້ນີ້. ຂ້ອຍຮູ້ຈັກຜະລິດຕະພັນອື່ນໆຈໍານວນຫຼາຍ. ເຫຼົ່ານີ້ແມ່ນ Stolon, Repmgr, Pg_auto_failover, PAF. 4 ເຄື່ອງມື. ຂ້າ​ພະ​ເຈົ້າ​ໄດ້​ພະ​ຍາ​ຍາມ​ໃຫ້​ເຂົາ​ເຈົ້າ​ທັງ​ຫມົດ​. ຂ້ອຍມັກ Patroni ທີ່ສຸດ.

ຖ້າພວກເຂົາຖາມຂ້ອຍວ່າ: "ຂ້ອຍແນະນໍາ Patroni ບໍ?" ຂ້ອຍຈະເວົ້າວ່າແມ່ນ, ເພາະວ່າຂ້ອຍມັກ Patroni. ແລະຂ້າພະເຈົ້າຄິດວ່າຂ້າພະເຈົ້າໄດ້ຮຽນຮູ້ວິທີການແຕ່ງກິນມັນ.

ຖ້າທ່ານສົນໃຈຢາກເຫັນບັນຫາອື່ນໆທີ່ມີບັນຫາກັບ Patroni, ນອກ ເໜືອ ຈາກບັນຫາທີ່ຂ້ອຍເວົ້າ, ເຈົ້າສາມາດເຂົ້າໄປທີ່ ໜ້າ ເວັບໄດ້ສະ ເໝີ. ບັນຫາ ໃນ GitHub. ມີຫຼາຍເລື່ອງທີ່ແຕກຕ່າງກັນແລະຫຼາຍບັນຫາທີ່ຫນ້າສົນໃຈໄດ້ຖືກປຶກສາຫາລືຢູ່ທີ່ນັ້ນ. ແລະດັ່ງນັ້ນ, ບາງແມງໄມ້ໄດ້ຖືກນໍາສະເຫນີແລະແກ້ໄຂ, i.e. ນີ້ແມ່ນການອ່ານທີ່ຫນ້າສົນໃຈ.

ມີເລື່ອງທີ່ຫນ້າສົນໃຈຢູ່ທີ່ນັ້ນກ່ຽວກັບຄົນທີ່ຍິງຕົວເອງໃສ່ຕີນ. ຂໍ້ມູນຫຼາຍ. ທ່ານອ່ານແລະເຂົ້າໃຈວ່າທ່ານບໍ່ຈໍາເປັນຕ້ອງເຮັດສິ່ງນີ້. ຂ້າ​ພະ​ເຈົ້າ ticked ຕົນ​ເອງ.

ແລະຂ້າພະເຈົ້າຢາກເວົ້າຂອບໃຈອັນໃຫຍ່ຫຼວງຕໍ່ບໍລິສັດ Zalando ສໍາລັບການພັດທະນາໂຄງການນີ້, ຄື Alexander Kukushkin ແລະ Alexey Klyukin. Alexey Klyukin ແມ່ນ ໜຶ່ງ ໃນຜູ້ຂຽນຮ່ວມ; ລາວບໍ່ໄດ້ເຮັດວຽກຢູ່ Zalando, ແຕ່ນີ້ແມ່ນສອງຄົນທີ່ເລີ່ມເຮັດວຽກກັບຜະລິດຕະພັນນີ້.

ແລະຂ້າພະເຈົ້າຄິດວ່າ Patroni ເປັນສິ່ງທີ່ເຢັນຫຼາຍ. ຂ້ອຍດີໃຈທີ່ນາງມີຢູ່, ມັນຫນ້າສົນໃຈທີ່ຈະຢູ່ກັບນາງ. ແລະຂໍຂອບໃຈຫຼາຍໆກັບຜູ້ປະກອບສ່ວນທັງຫມົດທີ່ຂຽນ patches ກັບ Patroni. ຂ້າພະເຈົ້າຫວັງວ່າ Patroni ຈະກາຍເປັນຜູ້ໃຫຍ່, ເຢັນແລະມີຄວາມສາມາດຕາມອາຍຸ. ລາວມີປະສິດທິພາບຢູ່ແລ້ວ, ແຕ່ຂ້ອຍຫວັງວ່າລາວຈະດີຂຶ້ນກວ່າເກົ່າ. ດັ່ງນັ້ນຖ້າຫາກວ່າທ່ານກໍາລັງວາງແຜນທີ່ຈະໃຊ້ Patroni ໃນເຮືອນຂອງທ່ານ, ຫຼັງຈາກນັ້ນບໍ່ມີຄວາມຢ້ານກົວ. ນີ້ແມ່ນການແກ້ໄຂທີ່ດີ, ມັນສາມາດປະຕິບັດແລະນໍາໃຊ້ໄດ້.

ຫມົດ​ເທົ່າ​ນີ້. ຖ້າທ່ານມີຄໍາຖາມ, ກະລຸນາຖາມ.

ຄໍາຖາມຂອງທ່ານ

ຂອບໃຈສໍາລັບບົດລາຍງານ! ຖ້າຫຼັງຈາກຜູ້ຍື່ນແລ້ວເຈົ້າຍັງຕ້ອງເບິ່ງບ່ອນນັ້ນຢ່າງລະມັດລະວັງ, ແລ້ວເປັນຫຍັງພວກເຮົາຈຶ່ງຕ້ອງການຕົວຍື່ນອັດຕະໂນມັດ?

ເນື່ອງຈາກວ່າມັນເປັນສິ່ງໃຫມ່. ພວກເຮົາໄດ້ເຮັດວຽກກັບນາງພຽງແຕ່ຫນຶ່ງປີເທົ່ານັ້ນ. ດີກວ່າທີ່ຈະຫຼິ້ນມັນປອດໄພ. ພວກ​ເຮົາ​ຕ້ອງ​ການ​ທີ່​ຈະ​ເຂົ້າ​ມາ​ແລະ​ເບິ່ງ​ວ່າ​ທຸກ​ສິ່ງ​ທຸກ​ຢ່າງ​ກໍ່​ເຮັດ​ວຽກ​ເປັນ​ມັນ​ຄວນ​ຈະ​. ນີ້ແມ່ນລະດັບຂອງຄວາມບໍ່ໄວ້ວາງໃຈຂອງຜູ້ໃຫຍ່ - ມັນດີກວ່າທີ່ຈະກວດເບິ່ງສອງຄັ້ງແລະເບິ່ງ.

ຕົວຢ່າງ, ພວກເຮົາມາໃນຕອນເຊົ້ານີ້ແລະເບິ່ງ, ແມ່ນບໍ?

ບໍ່ແມ່ນໃນຕອນເຊົ້າ, ພວກເຮົາມັກຈະຊອກຫາກ່ຽວກັບ autofileover ເກືອບທັນທີ. ພວກເຮົາໄດ້ຮັບການແຈ້ງເຕືອນ, ພວກເຮົາເຫັນວ່າ autofileover ເກີດຂຶ້ນ. ພວກເຮົາເກືອບທັນທີເຂົ້າໄປໃນແລະໃຊ້ເວລາເບິ່ງ. ແຕ່ການກວດສອບທັງຫມົດເຫຼົ່ານີ້ຕ້ອງຖືກນໍາມາສູ່ລະດັບການຕິດຕາມ. ຖ້າທ່ານເຂົ້າເຖິງ Patroni ຜ່ານ REST API, ມີປະຫວັດສາດ. ການນໍາໃຊ້ປະຫວັດສາດ, ທ່ານສາມາດເບິ່ງສະແຕມເວລາໃນເວລາທີ່ໄຟລ໌ໄດ້ຖືກດາວໂຫຼດ. ອີງຕາມການນີ້, ການຕິດຕາມສາມາດເຮັດໄດ້. ທ່ານສາມາດເບິ່ງປະຫວັດສາດເພື່ອເບິ່ງວ່າມີເຫດການຫຼາຍປານໃດ. ຖ້າພວກເຮົາມີເຫດການຫຼາຍ, ມັນຫມາຍຄວາມວ່າ autofileover ເກີດຂຶ້ນ. ເຈົ້າສາມາດໄປເບິ່ງໄດ້. ຫຼືການກວດສອບອັດຕະໂນມັດຂອງພວກເຮົາໄດ້ກວດເບິ່ງວ່າພວກເຮົາມີ replicas ທັງຫມົດຢູ່ໃນສະຖານທີ່, ບໍ່ມີ lag ແລະທຸກສິ່ງທຸກຢ່າງແມ່ນດີ.

!

ຂອບໃຈຫຼາຍໆສຳລັບເລື່ອງດີໆ! ຖ້າພວກເຮົາຍ້າຍກຸ່ມ DCS ໄປບ່ອນໃດບ່ອນໜຶ່ງທີ່ຫ່າງໄກຈາກກຸ່ມ Postgres, ກຸ່ມນີ້ຍັງຕ້ອງການໃຫ້ບໍລິການເປັນແຕ່ລະໄລຍະບໍ? ການປະຕິບັດທີ່ດີທີ່ສຸດໃນບາງພາກສ່ວນຂອງກຸ່ມ DCS ຈໍາເປັນຕ້ອງຖືກປິດ, ບາງສິ່ງບາງຢ່າງຄວນເຮັດກັບພວກມັນ, ແລະອື່ນໆ? ໂຄງປະກອບການທັງຫມົດນີ້ດໍາລົງຊີວິດແນວໃດ? ແລະວິທີການເຮັດສິ່ງເຫຼົ່ານີ້?

ສໍາລັບບໍລິສັດຫນຶ່ງ, ມັນຈໍາເປັນຕ້ອງສ້າງຕາຕະລາງບັນຫາຂອງສິ່ງທີ່ເກີດຂື້ນຖ້າອົງປະກອບຫນຶ່ງຫຼືຫຼາຍລົ້ມເຫລວ. ການນໍາໃຊ້ matrix ນີ້, ພວກເຮົາ sequentially ໄປໂດຍຜ່ານອົງປະກອບທັງຫມົດແລະສ້າງສະຖານະການໃນກໍລະນີຂອງຄວາມລົ້ມເຫຼວຂອງອົງປະກອບເຫຼົ່ານີ້. ຕາມນັ້ນແລ້ວ, ສໍາລັບແຕ່ລະສະຖານະການທີ່ລົ້ມເຫລວ, ທ່ານສາມາດມີແຜນການປະຕິບັດການຟື້ນຕົວ. ແລະໃນກໍລະນີຂອງ DCS, ນີ້ມາເປັນສ່ວນຫນຶ່ງຂອງໂຄງສ້າງພື້ນຖານມາດຕະຖານ. ແລະ admin ຄຸ້ມຄອງມັນ, ແລະພວກເຮົາແລ້ວແມ່ນອີງໃສ່ admins ຜູ້ທີ່ຄຸ້ມຄອງມັນແລະຄວາມສາມາດຂອງລາວທີ່ຈະແກ້ໄຂມັນໃນກໍລະນີໄພພິບັດ. ຖ້າບໍ່ມີ DCS ເລີຍ, ພວກເຮົາໃຊ້ມັນ, ແຕ່ພວກເຮົາບໍ່ໄດ້ຕິດຕາມມັນໂດຍສະເພາະ, ເພາະວ່າພວກເຮົາບໍ່ມີຄວາມຮັບຜິດຊອບຕໍ່ໂຄງສ້າງພື້ນຖານ, ແຕ່ພວກເຮົາໃຫ້ຄໍາແນະນໍາກ່ຽວກັບວິທີການແລະສິ່ງທີ່ຕ້ອງຕິດຕາມ.

ນັ້ນແມ່ນ, ຂ້ອຍເຂົ້າໃຈຢ່າງຖືກຕ້ອງວ່າຂ້ອຍຈໍາເປັນຕ້ອງປິດການໃຊ້ງານ Patroni, ປິດການໃຊ້ງານໄຟລ໌, ປິດການທໍາງານທຸກຢ່າງກ່ອນທີ່ຈະເຮັດຫຍັງກັບເຈົ້າພາບ?

ມັນຂຶ້ນກັບວ່າພວກເຮົາມີຫຼາຍໂຫນດຢູ່ໃນກຸ່ມ DCS. ຖ້າມີຫລາຍ nodes ແລະຖ້າພວກເຮົາປິດການໃຊ້ງານພຽງແຕ່ຫນຶ່ງຂອງ nodes (replica), ຫຼັງຈາກນັ້ນ quorum ຈະຖືກຮັກສາໄວ້ໃນ cluster. ແລະ Patroni ຍັງຄົງດໍາເນີນການ. ແລະບໍ່ມີຫຍັງຖືກກະຕຸ້ນ. ຖ້າພວກເຮົາມີການປະຕິບັດງານທີ່ສັບສົນບາງຢ່າງທີ່ມີຜົນກະທົບຕໍ່ຂໍ້ຫຼາຍ, ການຂາດທີ່ສາມາດທໍາລາຍກຸ່ມ, ແລ້ວ, ບາງທີມັນອາດຈະເຮັດໃຫ້ຄວາມຮູ້ສຶກທີ່ຈະຢຸດ Patroni. ມັນມີຄໍາສັ່ງທີ່ສອດຄ້ອງກັນ - patronictl pause, patronictl resume . ພວກເຮົາພຽງແຕ່ຢຸດມັນໄວ້ຊົ່ວຄາວ, ແລະ autofileover ບໍ່ໄດ້ເຮັດວຽກໃນເວລານີ້. ພວກເຮົາເຮັດການບຳລຸງຮັກສາຢູ່ໃນກຸ່ມ DCS, ຈາກນັ້ນເອົາການຢຸດຊົ່ວຄາວ ແລະສືບຕໍ່ຊີວິດ.

ຂໍຂອບໃຈທ່ານຫຼາຍໆ!

ຂອບໃຈຫຼາຍໆສຳລັບລາຍງານ! ທີມງານຜະລິດຕະພັນມີຄວາມຮູ້ສຶກແນວໃດກ່ຽວກັບການສູນເສຍຂໍ້ມູນ?

ທີມງານຜະລິດຕະພັນບໍ່ໄດ້ເຮັດໃຫ້ເສຍໃຈ, ແຕ່ຜູ້ນໍາທີມມີຄວາມເປັນຫ່ວງ.

ມີການຄໍ້າປະກັນອັນໃດ?

ມັນມີຄວາມຫຍຸ້ງຍາກຫຼາຍກັບການຮັບປະກັນ. Alexander Kukushkin ມີບົດລາຍງານ "ວິທີການຄິດໄລ່ RPO ແລະ RTO", i.e. ເວລາການຟື້ນຕົວແລະຂໍ້ມູນຫຼາຍປານໃດທີ່ພວກເຮົາສາມາດສູນເສຍ. ຂ້າພະເຈົ້າຄິດວ່າພວກເຮົາຈໍາເປັນຕ້ອງຊອກຫາ slides ເຫຼົ່ານີ້ແລະສຶກສາໃຫ້ເຂົາເຈົ້າ. ເທົ່າທີ່ຂ້ອຍຈື່ໄດ້, ມີຂັ້ນຕອນສະເພາະກ່ຽວກັບວິທີການຄິດໄລ່ສິ່ງເຫຼົ່ານີ້. ພວກເຮົາສາມາດສູນເສຍທຸລະກໍາຫຼາຍປານໃດ, ພວກເຮົາສາມາດສູນເສຍຂໍ້ມູນຫຼາຍປານໃດ. ເປັນທາງເລືອກ, ພວກເຮົາສາມາດນໍາໃຊ້ການຈໍາລອງແບບ synchronous ໃນລະດັບ Patroni, ແຕ່ນີ້ແມ່ນດາບສອງຄົມ: ພວກເຮົາມີຄວາມຫນ້າເຊື່ອຖືຂອງຂໍ້ມູນຫຼືສູນເສຍຄວາມໄວ. ມີການຈໍາລອງແບບ synchronous, ແຕ່ມັນຍັງບໍ່ຮັບປະກັນການປົກປ້ອງ 100% ຕໍ່ກັບການສູນເສຍຂໍ້ມູນ.

Alexey, ຂອບໃຈສໍາລັບບົດລາຍງານທີ່ປະເສີດ! ປະສົບການໃຊ້ Patroni ສໍາລັບການປົກປ້ອງລະດັບສູນບໍ? ນັ້ນແມ່ນ, ປະສົມປະສານກັບການສະແຕນບາຍແບບ synchronous? ນີ້ແມ່ນຄໍາຖາມທໍາອິດ. ແລະຄໍາຖາມທີສອງ. ທ່ານໄດ້ໃຊ້ວິທີແກ້ໄຂທີ່ແຕກຕ່າງກັນ. ພວກເຮົາໄດ້ໃຊ້ Repmgr, ແຕ່ບໍ່ມີ autofileover ແລະຕອນນີ້ກໍາລັງວາງແຜນທີ່ຈະເປີດໃຊ້ autofileover. ແລະພວກເຮົາພິຈາລະນາ Patroni ເປັນການແກ້ໄຂທາງເລືອກ. ທ່ານສາມາດເວົ້າຫຍັງໄດ້ປຽບໃນການປຽບທຽບກັບ Repmgr?

ຄໍາຖາມທໍາອິດແມ່ນກ່ຽວກັບການ replicas synchronous. ບໍ່ມີໃຜໃຊ້ການຈໍາລອງແບບ synchronous ຢູ່ທີ່ນີ້, ເພາະວ່າທຸກຄົນຢ້ານ (ລູກຄ້າຫຼາຍຄົນໃຊ້ມັນແລ້ວ, ພວກເຂົາບໍ່ໄດ້ສັງເກດເຫັນບັນຫາການປະຕິບັດໃດໆ - ຫມາຍເຫດຂອງລໍາໂພງ). ແຕ່ພວກເຮົາໄດ້ພັດທະນາກົດລະບຽບສໍາລັບຕົວເຮົາເອງວ່າໃນກຸ່ມ replication synchronous ຕ້ອງມີຢ່າງຫນ້ອຍສາມ nodes, ເພາະວ່າຖ້າພວກເຮົາມີສອງ nodes ແລະຖ້າ master ຫຼື replica ລົ້ມເຫລວ, Patroni ຈະປ່ຽນ node ນີ້ໄປສູ່ໂຫມດ Standalone ເພື່ອໃຫ້ແອັບພລິເຄຊັນສືບຕໍ່ໄປ. ເຮັດວຽກ. ໃນກໍລະນີນີ້, ມີຄວາມສ່ຽງຕໍ່ການສູນເສຍຂໍ້ມູນ.

ກ່ຽວກັບຄໍາຖາມທີສອງ, ພວກເຮົາໄດ້ໃຊ້ Repmgr ແລະຍັງເຮັດສໍາລັບລູກຄ້າບາງຄົນສໍາລັບເຫດຜົນທາງປະຫວັດສາດ. ພວກເຮົາສາມາດເວົ້າຫຍັງໄດ້? ໃນ Patroni, autofileover ອອກມາຈາກກ່ອງ; ໃນ Repmgr, autofileover ມາເປັນຄຸນສົມບັດເພີ່ມເຕີມທີ່ຕ້ອງໄດ້ຮັບການເປີດໃຊ້. ພວກເຮົາຈໍາເປັນຕ້ອງດໍາເນີນການ Repmgr daemon ໃນແຕ່ລະ node ແລະຫຼັງຈາກນັ້ນພວກເຮົາສາມາດ configure autofileover ໄດ້.

Repmgr ກວດເບິ່ງວ່າຂໍ້ Postgres ມີຊີວິດຫຼືບໍ່. ຂະບວນການ Repmgr ກວດເບິ່ງການມີຢູ່ຂອງກັນແລະກັນ, ນີ້ບໍ່ແມ່ນວິທີການທີ່ມີປະສິດທິພາບຫຼາຍເພາະວ່າ ອາດຈະມີກໍລະນີທີ່ສັບສົນຂອງການໂດດດ່ຽວເຄືອຂ່າຍທີ່ກຸ່ມ Repmgr ຂະຫນາດໃຫຍ່ສາມາດແຕກອອກເປັນຂະຫນາດນ້ອຍຈໍານວນຫນຶ່ງແລະສືບຕໍ່ເຮັດວຽກ. ຂ້ອຍບໍ່ໄດ້ຕິດຕາມ Repmgr ເປັນເວລາດົນນານ, ບາງທີນີ້ໄດ້ຖືກແກ້ໄຂ ... ຫຼືອາດຈະບໍ່. ແຕ່ການໂອນຂໍ້ມູນກ່ຽວກັບສະຖານະຂອງກຸ່ມໄປຫາ DCS, ດັ່ງທີ່ Stolon ແລະ Patroni ເຮັດ, ແມ່ນທາງເລືອກທີ່ເປັນໄປໄດ້ທີ່ສຸດ.

Alexey, ຂ້ອຍມີຄໍາຖາມທີ່ອາດຈະເປັນຂີ້ຕົວະ. ໃນຫນຶ່ງໃນຕົວຢ່າງທໍາອິດ, ທ່ານໄດ້ຍ້າຍ DCS ຈາກເຄື່ອງທ້ອງຖິ່ນໄປຫາ node ຫ່າງໄກສອກຫຼີກ. ພວກເຮົາເຂົ້າໃຈວ່າເຄືອຂ່າຍເປັນສິ່ງທີ່ມີລັກສະນະຂອງຕົນເອງ; ມັນອາໄສຢູ່ໃນຕົວຂອງມັນເອງ. ແລະຈະເກີດຫຍັງຂຶ້ນຖ້າເຫດຜົນບາງຢ່າງທີ່ກຸ່ມ DCS ບໍ່ສາມາດໃຊ້ໄດ້? ຂ້າພະເຈົ້າຈະບໍ່ເວົ້າເຫດຜົນ, ມັນອາດຈະມີຫຼາຍຂອງພວກເຂົາ: ຈາກມືທີ່ຫຍາບຄາຍຂອງເຄືອຂ່າຍກັບບັນຫາທີ່ແທ້ຈິງ.

ຂ້າພະເຈົ້າບໍ່ໄດ້ເວົ້າມັນອອກມາດັງໆ, ແຕ່ກຸ່ມ DCS ຍັງຕ້ອງມີຄວາມຜິດ, ຊຶ່ງຫມາຍຄວາມວ່າມັນມີຈໍານວນເລກຄີກເພື່ອໃຫ້ກຸ່ມໂຄລໍາເກີດຂຶ້ນ. ຈະເກີດຫຍັງຂຶ້ນຖ້າກຸ່ມ DCS ບໍ່ສາມາດໃຊ້ໄດ້ ຫຼືກຸ່ມບໍ່ສາມາດບັນລຸໄດ້, ເຊັ່ນ: ການແບ່ງເຄືອຂ່າຍບາງປະເພດ ຫຼື ໂນດລົ້ມເຫຼວ? ໃນກໍລະນີນີ້, ກຸ່ມ Patroni ເຂົ້າສູ່ໂໝດອ່ານເທົ່ານັ້ນ. ກຸ່ມ Patroni ບໍ່ສາມາດກໍານົດສະຖານະຂອງ cluster ແລະສິ່ງທີ່ຕ້ອງເຮັດ. ມັນບໍ່ສາມາດຕິດຕໍ່ກັບ DCS ແລະບັນທຶກສະຖານະກຸ່ມໃຫມ່ຢູ່ທີ່ນັ້ນ, ດັ່ງນັ້ນກຸ່ມທັງໝົດຈະເຂົ້າສູ່ໂໝດອ່ານເທົ່ານັ້ນ. ແລະລໍຖ້າການແຊກແຊງດ້ວຍຕົນເອງຈາກຜູ້ປະຕິບັດການຫຼືສໍາລັບ DCS ທີ່ຈະໄດ້ຮັບການຟື້ນຟູ.

ເວົ້າປະມານ, DCS ກາຍເປັນບໍລິການທີ່ສໍາຄັນສໍາລັບພວກເຮົາເປັນຖານຂໍ້ມູນຂອງມັນເອງບໍ?

ແມ່ນແລ້ວ. ໃນບໍລິສັດທີ່ທັນສະໄຫມຈໍານວນຫຼາຍ, Service Discovery ແມ່ນສ່ວນຫນຶ່ງທີ່ສໍາຄັນຂອງໂຄງສ້າງພື້ນຖານ. ມັນໄດ້ຖືກປະຕິບັດເຖິງແມ່ນວ່າກ່ອນທີ່ຈະມີຖານຂໍ້ມູນໃນໂຄງສ້າງພື້ນຖານ. ຂ້ອນຂ້າງເວົ້າ, ພວກເຮົາໄດ້ເປີດຕົວໂຄງສ້າງພື້ນຖານ, ປະຕິບັດມັນກັບ DC, ແລະພວກເຮົາທັນທີມີ Service Discovery. ຖ້ານີ້ແມ່ນກົງສຸນ, DNS ສາມາດສ້າງໄດ້. ຖ້ານີ້ແມ່ນ Etcd, ມັນອາດຈະມີສ່ວນຫນຶ່ງຈາກກຸ່ມ Kubernetes ເຊິ່ງທຸກຢ່າງຈະຖືກນໍາໄປໃຊ້. ມັນເບິ່ງຄືວ່າຂ້ອຍວ່າການຄົ້ນພົບການບໍລິການແມ່ນເປັນສ່ວນຫນຶ່ງທີ່ສໍາຄັນຂອງໂຄງສ້າງພື້ນຖານທີ່ທັນສະໄຫມ. ແລະພວກເຂົາຄິດກ່ຽວກັບມັນໄວກວ່າຖານຂໍ້ມູນ.

!

ແຫຼ່ງຂໍ້ມູນ: www.habr.com