股票代碼
301208
高可用是數據庫系統(tǒng)的基本需求，也是數據庫技術實現的難點之一。但對于有些行業(yè)來說，“零停機”，是剛需！
比如半導體行業(yè)，停機哪怕一分鐘都可能造成高達數萬美元的直接經濟損失；比如航空業(yè)，航班調度系統(tǒng)一旦出現故障，成千上萬的旅客行程將受到影響，航空公司可能要面臨天文數字的賠償；再比如醫(yī)療行業(yè)，停機可能直接關系著患者的生命安全！
那么，支撐這些尖端產業(yè)的數據庫是如何實現近乎神話般的“零停機”的呢？
要理解這一奇跡背后的奧秘，我們必須首先識別并解決影響數據庫可靠性的幾個常見問題：
問題1：數據庫高可用架構以及災備架構不完善
問題2：數據庫運行性能及穩(wěn)定性問題
問題3：故障應急處理缺乏規(guī)范流程和方案
問題4：缺少高效運維體系
問題5：缺少主動式隱患梳理及預防
......
針對這些普遍問題，中亦科技經過多年技術與經驗積累，總結出以下關鍵點！
一
高可用架構與災備
堅固基石，方能抵御風暴
許多企業(yè)的數據庫高可用架構及災備體系并不完善。為了解決這一問題，我們可以根據業(yè)務系統(tǒng)的重要性，將其分為幾個不同的等級，并為每個等級量身定制相應的高可用架構及災備方案。
其中核心系統(tǒng)屬于A類系統(tǒng)。A/B/C/D類業(yè)務系統(tǒng)生產端數據庫的架構都是RAC集群，區(qū)別為是否配置了ADG,是采用小型機還是X86，是在一套集群上部署一套還是兩套數據庫。分類之后再進行核心業(yè)務系統(tǒng)和核心系統(tǒng)除外的災備架構和實現方式。
核心業(yè)務系統(tǒng)高可用架構圖
二
數據庫補丁管理
精準施策，防范未然
適時地進行補丁分析與升級至關重要。當遇到新版本操作系統(tǒng)或數據庫安裝、季度PSU補丁發(fā)布等情況時，就需要進行詳盡的補丁分析，以避免潛在問題。這一過程不僅需要精確的分析策略，還需要完善的補丁升級計劃，確保數據庫始終保持在最佳狀態(tài)。
那么，什么時候需要做補丁分析？
以Oracle數據庫為例，當出現下列情況時，需要考慮做補丁分析：
在目標版本的操作系統(tǒng)上安裝數據庫，為了避免目標版本的OS出現BUG需要分析OS需要安裝哪些補丁。 安裝目標版本的數據庫，為了避免新安裝數據庫出現嚴重BUG，需要數據庫應該安裝哪個patchset、哪個PSU補丁及小補丁。 隨著ORACLE季度PSU補丁的發(fā)布，需要關注新補丁的分布并對嚴重性分類，需要做補丁分析，這樣，已有數據庫可以根據升級策略提前升級補丁以預防潛在問題。 當已有數據庫出現嚴重BUG，考慮安裝補丁時，具體需要安裝哪個PSU補丁。
三
數據庫最佳實踐
細節(jié)決定成敗
基于多年服務經驗，我們總結了一系列最佳實踐，覆蓋操作系統(tǒng)配置、ASM參數調整、數據庫參數優(yōu)化等多個方面。通過這些精心設計的策略，我們能夠有效消除系統(tǒng)運行中的隱患，確保數據庫的穩(wěn)健運行。
四
數據庫高可用測試
實戰(zhàn)檢驗，確保萬無一失
在數據庫系統(tǒng)上線前，進行全面的高可用測試至關重要。這包括但不限于服務器單節(jié)點故障、網絡故障、心跳網絡故障等場景。通過預先設定的測試案例，我們可以驗證系統(tǒng)在面對各種極端條件下的表現，確保其能夠在實際應用中保持高度的可靠性和穩(wěn)定性。
對RAC集群高可用架構和容災能力進行測試，主要包含以下幾個場景：
服務器單節(jié)點故障：服務器發(fā)生故障重啟是運行期間常見的問題之一，硬件故障，網絡故障，參數配置錯誤等都可能導致服務器不穩(wěn)定或者宕機；一旦服務器硬件出現故障，數據庫隨之也會受到影響，可能會導致數據庫重啟或者關閉。針對這些情況，設計兩個測試用例分別模擬單節(jié)點手動重啟服務器和異常宕機時的情景。
服務網絡故障：本次預設的生產環(huán)境是雙公網網卡和雙私網網卡的rac環(huán)境，其中每組網卡都分為主網卡和備網卡，當公網主網卡出現故障后系統(tǒng)會自動切換到備網卡繼續(xù)運行，理論上這個切換的過程會非常短、不會對業(yè)務產生影響；同時，因為數據庫正常運行時不會用到備網卡，如果是備網卡發(fā)生故障業(yè)務也不會受到影響。當公網雙網卡同時發(fā)生故障時，服務器將無法對外開放。
心跳網絡故障：本次預設的生產環(huán)境是雙公網網卡和雙私網網卡的rac環(huán)境，其中每組網卡都分為主網卡和備網卡，當公網主網卡出現故障后系統(tǒng)會自動切換到備網卡繼續(xù)運行，理論上這個切換的過程會非常短、不會對業(yè)務產生影響；同時，因為數據庫正常運行時不會用到備網卡，如果是備網卡發(fā)生故障業(yè)務也不會受到影響。當私網雙網卡同時發(fā)生故障時，如果較短時間就恢復，集群層面不會出現異常，若超過了misscount時間集群會出現腦裂現象。
服務器單節(jié)點HANG故障：服務器運行期間由于硬件或軟件異常原因都有可能導致節(jié)點HANG死。操作系統(tǒng)因CPU、內存耗盡或BUG，OS掛起，無法響應數據庫。針對這些情況，分別設計0S無法響應、cluster軟件關鍵進程無響應、cluster軟件關鍵進程異常終止、database軟件關鍵進程無響應、database軟件關鍵進程異常終止、業(yè)務作業(yè)進程無響應等6個大的場景進行測試。
操作人員操作失誤：實際環(huán)境中，有可能存在操作人員誤操作導致數據丟失，本次場景分閃回查詢表、延遲閃回adg三個測試用例來分別模擬恢復數據。
除此之外還將對san網絡故障、軟件升級、HBA卡升級等場景進行測試。
五
運維體系建設
預防為主，應對為輔
構建全面的運維體系是保障數據庫長期穩(wěn)定運行的基礎。這包括制定詳細的預防策略、建立完善的監(jiān)控機制、提供詳盡的手冊指南以及系統(tǒng)的培訓支持。通過主動預防而非被動應對，我們能夠顯著降低系統(tǒng)故障率，提高整體服務質量。
運維體系建設關系到數據庫系統(tǒng)的持續(xù)穩(wěn)定運行，主要內容如下：
制定預防未來可能導致性能不穩(wěn)定的統(tǒng)計信息策略并實施，數據存放策略標準； 提供數據庫監(jiān)控指標體系和具體實現方式； 制定數據庫備份恢復策略； 提供數據庫變更手冊、應急手冊和維護手冊； 提供系統(tǒng)性的培訓和指導，為客戶后續(xù)的深度自主運維奠定良好的人才基礎。 ... ...
為了提升業(yè)務連續(xù)性和用戶體驗，提升系統(tǒng)可用性、穩(wěn)定性、安全性，全面提升運維質量，我們還會制定了數據庫運維體系說明手冊，用以指導數據庫的日常運維工作。
Oracle運維體系的模型
六
主動式優(yōu)化與問題梳理
防微杜漸，未雨綢繆
數據庫運維和消防一樣，永遠都是“預防重于救火”，被動式的故障處理只能解決突發(fā)的問題，只有主動梳理及預防才能防患于未然，真正做到事半功倍！
中亦科技會從主動式分析和預防及基于開發(fā)運維最佳實踐進行問題梳預防進行說明。主動對數據庫運行情況進行性能監(jiān)控，抓取性能表現不佳或擴展性不佳的SQL/PLSQL并進行主動分析，提交優(yōu)化建議。通過梳理并預防潛在問題，我們能夠提前發(fā)現并解決隱患，減少未來可能出現的問題數量。
在這個信息爆炸的時代，數據庫的可靠性很關鍵。中亦科技一直在不斷的總結項目經驗，培養(yǎng)專業(yè)技術團隊，完善服務體系，希望通過不斷升級的數據庫可靠性方案，提高數據庫的可用性和穩(wěn)定性！
如果您有數據庫可靠性提升的需求，歡迎留言聯系我們，我們的技術專家團隊將竭誠為您服務。
