系统可靠性

• 所有组件的管理节点均实现HA。

  华为GaussDB 200产品对所有业务组件的管理节点都提供了类似的双机机制，包括OMSServer、KerberosServer、LdapServer等，全部采用主备或负荷分担配置，有效避免了单点故障场景对系统可靠性的影响。

• 异常场景下的可靠性保证。

  通过可靠性分析方法，梳理软件、硬件异常场景下的处理措施，提升系统的可靠性。

  • 保障意外掉电时的数据可靠性，不论是单节点意外掉电，还是整个集群意外断电，恢复供电后系统能够正常恢复业务，除非硬盘介质损坏，否则关键数据不会丢失。
  • 硬盘亚健康检测和故障处理，对业务不造成实际影响。
  • 自动处理文件系统的故障，自动恢复受影响的业务。
  • 自动处理进程和节点的故障，自动恢复受影响的业务。
  • 自动处理网络故障，自动恢复受影响的业务。
• 数据备份与恢复。

  为应对数据丢失或损坏对用户业务造成不利影响，在异常情况下快速恢复系统，GaussDB 200根据用户业务的需要提供全量备份、增量备份和恢复功能。

  • 自动备份

    GaussDB 200对集群管理系统Manager上的数据提供自动备份功能，根据制定的备份策略可自动备份集群上的数据，包括OMSServer、LDAPServer的数据以及ESN编码。

  • 手动备份

    在系统进行扩容、升级、打补丁等重大操作前，需要通过手动备份集群管理系统的数据，以便在系统故障时，恢复集群管理系统功能。

    为进一步提供系统的可靠性，在将Manager上的数据备份到第三方服务器时，也需要通过手动备份。

节点可靠性

• 硬件健康状态监控

  GaussDB 200通过调用服务器的IPMI接口，监视服务器的物理健康特征，如温度、电压、风扇工作状态、电源状态等。

  GaussDB 200当前可监控的硬件状态包括：处理器状态、交流供电状态、直流电源模块状态、内存状态、硬盘状态、电池状态。但具体的支持项，还取决于服务器的供应商。

• 操作系统健康状态监控

  GaussDB 200针对操作系统提供了如下监控措施：

  • 支持开启硬件看门狗功能。
  • 支持对操作系统内核参数进行微调，在操作系统出现致命异常，如内存耗尽、非法地址访问、内核死锁、调度器失效时，重启操作系统，恢复业务。
  • 周期采集操作系统运行状况数据，包括处理器状态、内存状态、硬盘状态、网络状态等。
• 进程健康状态监控

  GaussDB 200在各节点上部署了代理进程NodeAgent，负责监控业务实例的状态以及业务实例进程的健康指标信息。

• 硬盘故障的自动处理

  GaussDB 200可以监控各节点上的硬盘状态，以及文件系统状态。如果出现异常，立即将相关分区移出存储池；如果硬盘恢复正常（通常是因为用户更换了新硬盘），也会采取措施，将新硬盘重新加入业务运作。这样，极大简化了维护人员的工作，更换故障硬盘可以在线完成；同时，用户可以设置热备盘，从而大大缩减了故障硬盘的修复时间，有利于提高系统的可靠性。

• 节点RAID组的配置

  GaussDB 200建议按照实际业务需要，合理规划节点的硬盘资源，以提高系统对硬盘故障的抵御能力。

  • 各节点的操作系统，建议安装在两块硬盘做成的RAID1上，以保障系统盘的稳定。
  • 如果条件允许，管理节点关键进程使用的硬盘尽量做成RAID1，以保证元数据的可靠性。
  • 数据盘可以做成单盘RAID5。

数据可靠性

GaussDB 200通过对节点硬件（特别是硬盘）、操作系统、进程的监控，及时发现相关部件的异常状况，缩短了对应部件的故障检测时间和修复时间，从而提高了系统整体的数据持久度。