金仓数据库主备集群故障自动转移技术解析

一、什么是故障自动转移？

当主数据库（Primary）突发故障时，守护进程repmgrd自动将备库（Standby）提升为新主库并接管服务，全程无需人工干预，保障业务连续性。

---

二、自动转移流程详解

阶段1：重连试探（防误判机制）

• 触发条件：备库守护进程检测到主库连接异常
• 试探策略：
  • 每间隔 reconnect_interval 秒尝试重连
  • 最多尝试 reconnect_attempts 次（例：6秒×10次=1分钟）
• 结果分支：
  ✅ 重连成功 → 恢复监控状态
  ❌ 重连失败 → 进入准备流程

📌 设计价值：有效规避网络抖动导致的误切换

日志参考：

阶段2：集群状态预同步（竞选前统一战场）

1. 关闭备库数据同步通道
   • 若开启 standby_disconnect_on_failover 参数：
     • 向walreceiver进程发送终止信号（SIGTERM）
     • 临时调整 wal_retrieve_retry_interval 阻止自动重新接收wal日志
2. 协调多备库状态
   • 等待其他备库关闭walreceiver（最长30秒）
3. 识别见证节点（Witness）
   • 检查是否配置见证节点 → 直接影响竞选规则

日志参考：

阶段3：民主竞选新主库（数据一致性优先）

竞选资格预筛选

同步模式	参选条件（任一不满足即淘汰）	目标
all/sync	原主库故障前状态为streaming+sync	确保数据一致性
quorum	原主库故障前状态为streaming+quorum	确保数据一致性
async	主备LSN日志差距小于lsn_lag_threshold值	控制数据延迟在安全范围内

多节点竞选逻辑（存活节点间PK）

1. 存活节点检测
   • 通过libkci连接测试统计：
     • visible_nodes（当前可见节点数）
     • nodes_with_primary_still_visible（2秒内见过主库的节点数）
2. 四维竞选权重排序：

   1. LSN日志位置 → 取最大值（数据最接近主库）
   2. Catchup状态 → 必须为True（已完成日志追赶）
   3. Priority优先级 → 取配置最高值
   4. Node_ID → 取最小值（最终仲裁）
   

3. 集群存活校验（关键容灾规则）

   集群类型	切换条件公式	物理意义
   无见证节点	visible_nodes > total_nodes/2	必须存活超过半数节点(2节点集群例外)
   含见证节点	(见证节点可见的存活节点+1) ≥ (总节点+1)/2	支持超半数节点宕机场景切换 ✅

🔍 技术深潜：见证节点突破传统集群半数存活限制，提升极端故障下的可用性

阶段4：安全升主（服务接管）

1. 网络可达验证
   • Ping trusted_servers 网关列表（至少1个成功）
2. 原主库隔离
   • 尝试远程执行 kbha -A stopdb 强制停止旧主库（防脑裂）
3. VIP挂载（服务无缝转移）
   • 检查IP冲突 → 卸载冲突IP（若原主机服务器可达） → 绑定VIP到新主库
   • 执行ARP广播更新（arping）
4. 正式升主
   • 执行 promote 命令激活主库身份
   • 触发 checkpoint 持久化数据
     

⚠️ 短暂只读窗口：VIP挂载完成到升主操作期间，业务请求可能遇到只读状态（秒级）

---