gs_replace
背景信息
数据库集群是由多台主机组成的，当集群中主机上的某些实例发生故障后，为了使GaussDB 200快速地恢复正常，用户可以使用gs_replace工具将发生故障的实例替换为正常实例。
如果替换前需要修改以下GUC参数：log_dir，listen_addresses，local_bind_address，port，pgxc_node_name，pooler_port，archive_mode， archive_command， log_directory和audit_directory，由于替换后服务器或实例无法同步这些参数在原来设置的值，会设置为默认值，所以在替换成功后，请使用gs_guc工具以reload方式修改替换后主机或实例中的GUC参数。
前提条件和注意事项
修复故障实例
- 集群处于启动状态，且处于没有加锁。
- 修复操作需要在一个正常主机上执行。
- 一组DN的主实例、备实例和从备实例，其中只能有一个损坏。
- 集群内如下实例分别至少存在一个正常运行的：CM Server、CM Agent、GTM、CN。
- 如果集群中未部署ETCD，某个GTM实例存在故障，则要求实例替换前另外一个GTM实例必须为最高可用模式，即该GTM的所有实例都正常。
- 由于在修复实例时，会检查并修复所有主机上故障的CM Agent实例，所以要求各主机必须互信正常，且安装目录下的二进制文件未被损坏。
- 强制修复多节点时，由于会停止需要修复节点内的所有CN，所以如果集群的所有CN在指定修复的节点中，则不支持强制修复多节点。
- 强制修复多个节点时，由于会停止需要修复节点上的所有DN主、备实例，所以指定修复的节点的DN主、备均不能在同一个DN环内。
- 一主多备部署下，修复DN实例时，为保证数据正确，DN环中必须有CM可监控的主存活。
注意事项
- 如果集群中含有故障的CN且其状态不为Deleted，那么在修复过程中用户执行DDL会报错，DML可以正常执行。其他场景执行业务不受影响，特别说明：由于修复CN的过程中会短暂锁集群，锁集群后用户下发的包含显式启动事务的DDL语句会出现等待，集群解锁后会报错或等待时间超过20分钟会报错。如包含创建临时表操作，在集群解锁后会报错（Don't support temp table when need reconnect pooler）。
- 如果故障实例所在主机的安装目录下（$GAUSSHOME/bin/）的二进制文件损坏或丢失，则不能通过替换实例进行修复。需要复制其他正常主机对应的二进制文件到该主机，或者将该主机卸载后，再通过替换主机修复。
- 在前一次修复结束后才能再次执行修复。因此请不要同时在多个主机上执行修复操作。
- 实例修复操作会修复故障节点下的全部故障实例。
- 在修复实例的config阶段，先将CM Agent组件修复好，这样才能获取到集群中所有实例的状态。如果主机上的某些实例被人为停止，在CM Agent组件修复好之后，这些原来正常的实例会被正常拉起，而不会被修复。如果在一定时间内拉起失败，这些实例将会被修复。
- 修复故障实例过程中系统将关闭“自动剔除故障CN”功能，完成后系统再次打开该功能。因此建议在开始修复前确认故障的CN已经被自动剔除（即故障的CN状态为Deleted），否则在修复过程中用户执行DDL会报错。
- 修复CN实例过程中，在CN状态未变为Normal前，不能连接该CN执行业务。
- 实例修复前用户手动在故障实例上配置的guc参数、pg_hba.conf配置的白名单会丢失，需要重新设置。
语法
- 配置实例
gs_replace -t config -h HOSTNAME [--dws-mode] [--force] [-l LOGFILE]- 启动新增实例
gs_replace -t start -h HOSTNAME [--dws-mode] [--force] [--time-out=SECS] [-l LOGFILE]- 显示帮助信息
gs_replace -? | --help- 显示版本号信息
gs_replace -V | --version参数说明
gs_replace参数可以分为如下几类：
- 通用参数：
- -t
om命令的类型。
取值范围：config和start.
- --dws-mode
“云上”环境标志，非“云上”环境不能指定该参数。
不指定该参数时，默认为非“云上”处理方式.
- -l
指定日志文件及存放路径。
默认值：$GAUSSLOG/om/gs_replace-YYYY-MM-DD_hhmmss.log
- -t
- 配置新增实例参数：
- -h
指定替换实例所在主机的名称。可以指定多个主机名称，以逗号分隔。
取值范围：主机名称。
- --force
如果指定主机的表空间所在磁盘出现故障，从而导致表空间中的数据损坏，更换新磁盘后指定该参数进行实例修复时，将对该主机强制进行表空间数据的恢复。如果在config阶段指定该参数，则在start阶段也必须指定该参数。
- -h
- 启动新增实例参数：
- -h
指定需要启动实例所在主机的名称。可以指定多个主机名称，以逗号分隔。
取值范围：主机名称。
- --force
如果指定主机的表空间所在磁盘出现故障，从而导致表空间中的数据损坏，更换新磁盘后指定该参数进行实例修复时，将对该主机强制进行表空间数据的恢复。如果在config阶段指定该参数，则在start阶段也必须指定该参数。
- --time-out=SECS
启动超时等待时间。
若--time-out取值过小时，有可能会因为需要启动的实例数过多而引起超时。若在超时时间内启动不成功，则会报错启动超时，但是集群会在后台继续启动。可以等待一段时间后，查询集群状态，检查集群是否启动成功。
取值范围：正整数，默认值300。
单位：秒（s）
- -h
- 其他参数：
- -?, --help
显示帮助信息。
- -V, --version
显示版本号信息。
- -?, --help
示例
以替换主机plat1、plat2上的实例为例。
- 以操作系统用户omm登录GaussDB 200集群任一主机。执行source ${BIGDATA_HOME}/mppdb/.mppdbgs_profile命令启动环境变量。
说明：
操作系统用户omm登录的主机为非故障主机。
- （可选）使用如下命令在需要替换实例的主机上清理可能存在的残留文件。此命令仅在上次修复故障实例执行失败的情况下需要执行。
(if [ -f $PGHOST/GaussReplace.dat ];then rm $PGHOST/GaussReplace.dat;fi)说明：
该文件为替换故障实例、替换主机中产生的用于记录执行步骤的临时文件，如果在上次执行过程中出现宕机或网卡中断等，可能会导致该文件残留。在替换故障实例前检查该文件是否存在，且生成时间非本次替换故障实例的时间，则可判断为上次执行的残留文件，删除该文件后，继续执行替换故障实例。
- 使用如下命令对需要替换实例的主机进行配置操作。
gs_replace -t config -h plat1, plat2配置操作会清理替换实例的空间，初始化替换实例，配置替换实例。
如果收到提示：“GAUSS_50201: The XXX does not exist.”，则请检查对应的实例数据目录是否存在。如果不存在，请重新创建目录后再次执行上述命令。
说明：
如果指定主机的表空间所在磁盘出现故障，从而导致表空间中的数据损坏，更换新磁盘后，需要指定--force参数对该主机强制进行表空间数据的恢复。如果在config阶段指定--force参数，则在start阶段也必须指定--force参数。
- 使用如下命令对需要修复实例的主机进行启动操作。
gs_replace -t start -h plat1 , plat2启动操作会启动集群替换实例的主机。
- 使用如下命令重置实例状态。
说明：
switch为维护操作：确保集群状态正常，所有业务结束，并使用pgxc_get_senders_catchup_time()视图查询无主备追赶后，再进行switch操作。
gs_om -t switch --reset重置过程会恢复集群初始状态，以保证各主机的负载都是均衡的。
- 执行如下命令查询集群状态。
gs_om -t status
查看更多：华为GaussDB 200 服务端工具「喜欢这篇文章，您的关注和赞赏是给作者最好的鼓励」关注作者【版权声明】本文为墨天轮用户原创内容，转载时必须标注文章的来源（墨天轮），文章链接，文章作者等基本信息，否则作者和墨天轮有权追究责任。如果您发现墨天轮中有涉嫌抄袭或者侵权的内容，欢迎发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。评论
- 使用如下命令对需要替换实例的主机进行配置操作。
- 启动新增实例
