GaussDB (DWS) 集群管理系列：CM組件介紹（核心功能）

GaussDB (DWS) CM 組件核心功能介紹

本文在《GaussDB (DWS) 集群管理系列：CM組件介紹（架構和部署形態）》所介紹基本結構的基礎上，展示 CM 組件的核心功能，包括狀態查詢、集群起停、故障恢復和異常檢測等。這些功能結合告警、重啟、倒換、隔離等手段，與各類實例組件的主備數據同步、倒換、重建等機制一起，構建數據庫的高可用（HA）能力，實現集群的對外連續性。

集群狀態查詢

通過 cm_ctl query -Cv 可以查看當前集群的整體狀態和各實例狀態（詳細參數說明本文不做介紹，可通過執行 cm_ctl --help 查看）。以下圖為例，整個數據庫集群部署了

3 個 CN，分別是 5001, 5002, 5003;

1 組主備 GTM，分別是 1001, 1002

三組 DN，主 DN 分別對應 6001, 6003, 6004

此外還可看出

cluster_state 屬性為 normal，說明整個集群屬于正常狀態

balanced 屬性為 Yes，說明 GTM 和 DN 均未發生主備倒換

DN 6001, 6002, 3002 為 1 個主備從結構（6003 和 6005 類似）

發生過主備倒換的集群，狀態參考下面示例圖（只顯示部分狀態，其中6001 和 6002 發生主備倒換；balanced 顯示 No；集群仍然是 Normal 狀態）。

如果有實例發生故障，狀態參考下面示例圖（只顯示部分狀態，其中 6001 被手動停止，6002 升主；集群處于 Degraded 狀態，表明集群仍可繼續提供服務）。

如果一組 DN 主備從多個發生故障，則狀態參考下面示例圖（只顯示部分狀態，其中 6001 被手動停止，6002 磁盤故障無法被拉起；集群處于 Unavaliable 狀態，無法提供服務）。

啟動和停止

集群的啟動和停止可分為集群級、節點級和實例級等。

集群級：啟動和停止集群中的所有節點和實例

節點級：啟動和停止集群中的某個節點

實例級：啟動和停止集群中的某個節點的某個實例

節點內的啟動順序為：

① 系統定時任務拉起 OM Monitor 進程

② OM Monitor 進程拉起 CM Agent 進程

③ CM Agent 進程拉起節點內的 CN，DN，GTM，CM Server 等部署的實例進程

以集群級起停為例，cm_ctl 命令和輸出示例見下圖。

故障恢復

數據庫故障恢復主要指實例發生明確的故障時，CM 組件根據探測到的狀態進行仲裁，從而盡可能恢復集群可用性的過程。

單節點故障場景在生產環境中不可避免

以某個主 DN 故障為例，一次典型的仲裁流程包括：

① CM Agent 1探測DN主實例并發現故障

② CM Agent 1持續上報實例故障信息至CM Server

③ CM Server執行仲裁流程，選擇DN備機升主

④ CM Server下發升主命令至CM Agent 2

⑤ CM Agent 2對實例執行升主操作

常見故障類型有（限于篇幅，本文不做具體分析）：

磁盤故障

磁盤損壞

慢盤

RAID卡損壞

網絡故障

斷網

閃斷

時延

丟包

下電故障

節點下電

節點重啟

操作系統故障

時間跳變

IO過載

磁盤空間不足

文件句柄耗盡

文件權限出錯

進程數耗盡

進程異常退出

進程僵死

其它故障

CPU/內存 損壞等

對于不同的實例故障，CM 恢復手段（不同場景下恢復時間 30 秒到 30 分鐘不等）主要包括：

CN 故障

DDL 語句無法執行，DML 語句不受影響

通過將故障 CN 剔除，可保障 DDL 語句不受影響

僅支持集群內 CN 個數大于 3，且 1 個 CN 發生故障時剔除

DN 故障

單點故障可自動恢復

主 DN 故障時，仲裁備 DN 升主繼續提供服務

備 DN 故障時，主 DN 將日志和數據同步至從備，業務不受影響

主 GTM 故障

備 GTM 升主后繼續提供服務

主 CM Server 故障

備 CM Server 接受多數派 CM Agent鏈接，升主后繼續提供服務

異常檢測

從業界經驗來看，數據庫實例可能處于故障、僵死、亞健康等狀態。這些狀態的出現概率逐級降低，但檢測難度逐級增高。尤其是如何區分亞健康狀態和系統繁忙狀態，具有較大的挑戰性。

CM 組件包含異常檢測流程，可用于識別和處理網絡不穩定、磁盤 IO 掛死、進程/線程僵死、進程頻繁退出、實例狀態時好時壞等場景，提高集群的穩定性和可用性。

以 DN 短鏈接檢測為例，CM Agent 按照固定時間間隔與 DN 實例新建鏈接。如果與某個主 DN 鏈接失敗或通過新鏈接無法執行 SQL 語句，則認為該 DN 發生 1 次 Hang 異常。如果多次出現異常，則會觸發 Hang 檢測機制，將該 DN 實例殺死并執行主備切換。目前常見的異常檢測項有：

短鏈接建立

通過短鏈接執行 SQL 語句

IO 掛死

內存占用異常

注：長短鏈接的概念是相對的。CM Agent 檢測實例狀態時也會與實例建立鏈接，通常情況下不會釋放，因此稱為“長鏈接”；異常檢測流程建立鏈接并執行 SQL 后隨即釋放，因此稱為“短鏈接”。

EI企業智能 數據倉庫服務 GaussDB(DWS) Gauss AP

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。