京东MySQL数据库主从切换自动化

kuyjhtgrf

1. 产生背景随着京东业务的高速增长，数据的重要性对于京东来说重要程度不说自明，在信息时代，数据有着比人们更大的力量，数据库的价值可见一斑，数据库的存在为人们提供了更快的查询，那么为了更好地做到数据库的高可用，保证持续提供服务，简化DBA操作，节省数据库故障切换的时间，故开发此数据库主从切换自动化系统。
2. 实现原理此系统基于MHA做数据库切换，结合京东数据库切换的特点，定制自己的切换系统。MHA（Master High Availability）目前在MySQL高可用方面是一个相对成熟的解决方案，它由日本DeNA公司Yoshinori Matsunobu开发，是一套优秀的作为MySQL高可用性环境下故障切换和主从提升的高可用软件。在MySQL故障切换过程中，MHA能做到在0~30秒之内自动完成数据库的故障切换操作，并且在进行故障切换的过程中，MHA能在最大程度上保证数据的一致性，同时最大化挽回故障发生后的数据，结合zabbix监控报警，以达到真正意义上的高可用。三重检测，保证切换无误：zabbix检测，任务创建时检测，MHA检测。
3. 实现功能此系统实现了死切（从库故障切换及回切，主库故障切换），活切（主库活切及主库回切），做到自动化、自助化、可视化切换。
4. 具体实现4.1. 死切（故障切换）当Zabbix自动监控系统检测到数据库故障时，会自动调故障切换程序,然后判断是主库故障，还是从库故障，分情况处理，所有的故障信息都可在DBS系统上查看
4.1.1 主库故障：先在DBS系统上创建切换任务，另外DBA也可在故障切换页面批量添加故障主库IP，创建切换任务。然后相应DBA执行切换按钮，则会判断各种情况
4.1.1.1切换重要步骤及原则l 探活，探活检测机制由select方式改为insert方式，这样可以包含实例夯住和硬盘只读的情况，如果没有存活的从库，则放弃本次操作并邮件和短信通知DBA手动处理。
l 选择新主库，先本地（先物理机后DOCKER,先连接数少，后QPS负载低），后异地（先物理机后DOCKER,先连接数少，后QPS负载低）原则选择目标实例
l 调MHA接口进行故障切换故障系统信息变更
a．MHA会优先使用上一步选出的从库做为新主库，否则会使用最新数据的从库提升为新主库，然后将所有其他的从库重新指向新主库。之后会调用域名切换接口，将原来故障主库下的域名，全部指向到新的主库IP上。如果MHA切换失败或MHA有告警信息，或者有域名未切换成功，都会使用邮件和短信通知DBA人工处理。
b．当MHA故障切换结束后，系统会将新主库的mysql.cnf配置文件中的read_only=1删除，并在新主库上执行reset salve all或stop slave指令。
c．调用zabbix主机改名接口，修改故障主库及新主库在zabbix监控系统中的名称。
d. 由于域名切换后非实时生效，存在时延，因此系统会对域名生效进行检查，如果2分钟内未生效，则会进行提示，需要DBA进行人工确认。
e. 最后，在资产库中更新集群信息，修改主从关系并进行数据库状态变更，更新故障信息表。同时，发送邮件和短信通知DBA故障切换完成。
f.活切可以支持多集群同时切换。
4.1.1.2 举例例如有一主四从的集群，主库 10.66.66.66:3366故障，需要切换，如下：

1.Zabbix自动创建任务，然后DBA执行切换

2.选目标实例
假如例子中的4个从都是存活的，那么在此处会比较根据先本地，选出10.66.66.68:3366，10.66.66.69:3366，然后查连接数，都相同，则去查QPS,
然后比较QPS，选出QPS负载低的10.66.66.69:3366作为目标实例。

3.切换完成结果

4.切换的详细信息

4.1.2从库故障（系统自动完成）：4.1.2.1 切换原则判断是否宕机实例没有域名，宕机实例设置为手动切换，宕机实例所在集群无其他正常运行实例，这些情况下会给相应的DBA发邮件及短信报警，需要DBA手动处理；
其他情况故障系统会自动处理，根据先本地（连接数少，QPS负载低），后异地（连接数少，QPS负载低）原则选择目标实例，进行域名切换，切换成功或失败都会发邮件及短信告知相应的DBA；
切换成功的从库，相应的DBA可以回切该实例。
4.1.2.2 举例例如有一主四从的集群，从库 10.88.88.89:3366故障，需要切换，如下：

zabbix会自动创建任务，并根据先本地后异地，然后查连接数，QPS原则，确定目标实例为10.88.88.88:3366，然后自动切换，DBA会在切换任务列表查看切换结果，鼠标悬停执行状态会显示切换的具体信息

切换成功的任务会显示回切按钮，可以执行回切
DBA执行回切，系统会创建回切任务，并可以查看回切的具体信息

4.2活切(一般运维停机切换)4.2.1 批量创建任务：输入项目里的任一IP，就可以查出该项目下的所有可用集群，然后勾选想要切换的集群，提交批量创建任务。
创建任务时可选择目标实例是本地，还是异地。然后先对目标实例探活，再根据先物理机后DOCKER，先查连接数少，后查QPS负载低的原则推荐实例。如果有异常会提示。
另外可选择切换后新主库是否为read only
4.2.2任务切换点击切换，会批量切换本次任务，并可以进入子任务查看具体切换的每个步骤，及MHA执行的每个步骤，切换完成，会等待2分钟去校验域名是否真实切换。
切换后会有前后架构的对比。
可以kill旧主库的所有应用链接。
4.2.3 举例
有个Mysql_test项目下有2个集群，如下
集群1

集群2

1. 批量创建任务
选择原则根据先本地后异地，先物理机后Docker,先连接数后QPS原则，
10.66.66.66:3366选择目标主库为：10.88.88.89:3366

10.66.55.55:3366选择目标主库为：10.88.99.91:3366

2. 批量执行切换

切换子任务详细信息，可查看到每个子任务的切换结果及执行步骤，前后架构


5. 总结该系统不管是死切，还是活切，都已服务化，接口化，都只需最多2步（创建任务，执行切换）就可完成切换，也可以完全自动化切换（需要业务方同意，因为有些业务数据库故障后需要业务方确认切换），也可以把活切做成流程化交给业务方自助切换。目前该系统已经运行良好，极大的节省了DBA时间，更好地做到数据库的高可用，保证持续提供服务，简化DBA操作，节省数据库故障切换的时间，为京东的数据库保驾护航。