高可用的 “異地多活” 架構設計

前言

後臺服務可以劃分爲兩類，有狀態和無狀態。高可用對於無狀態的應用來說是比較簡單的，無狀態的應用，只需要通過 F5 或者任何代理的方式就可以很好的解決。後文描述的主要是針對有狀態的服務進行分析。

服務端進行狀態維護主要是通過磁盤或內存進行保存，比如 MySQL 數據庫，redis 等內存數據庫。除了這兩種類型的維護方式，還有 jvm 的內存的狀態維持，但 jvm 的狀態生命週期通常很短。

高可用

1、高可用的一些解決方案

高可用，從發展來看，大致經過了這幾個過程：

• 冷備

• 雙機熱備

• 同城雙活

• 異地雙活

• 異地多活

在聊異地多活的時候，還是先看一些其他的方案，這有利於我們理解很多設計的緣由。

冷備

冷備，通過停止數據庫對外服務的能力，通過文件拷貝的方式將數據快速進行備份歸檔的操作方式。簡而言之，冷備，就是複製粘貼，在 linux 上通過 cp 命令就可以很快完成。可以通過人爲操作，或者定時腳本進行。有如下好處：

• 簡單

• 快速備份（相對於其他備份方式）

• 快速恢復。只需要將備份文件拷貝回工作目錄即完成恢復過程（亦或者修改數據庫的配置，直接將備份的目錄修改爲數據庫工作目錄）。更甚，通過兩次 mv 命令就可瞬間完成恢復。

• 可以按照時間點恢復。比如，幾天前發生的拼多多優惠券漏洞被人刷掉很多錢，可以根據前一個時間點進行還原，“挽回損失”。

以上的好處，對於以前的軟件來說，是很好的方式。但是對於現如今的很多場景，已經不好用了，因爲：

• 服務需要停機。n 個 9 肯定無法做到了。然後，以前我們的停機冷備是在凌晨沒有人使用的時候進行，但是現在很多的互聯網應用已經是面向全球了，所以，任何時候都是有人在使用的。

• 數據丟失。如果不採取措施，那麼在完成了數據恢復後，備份時間點到還原時間內的數據會丟失。傳統的做法，是冷備還原以後，通過數據庫日誌手動恢復數據。比如通過 redo 日誌，更甚者，我還曾經通過業務日誌去手動回放請求恢復數據。恢復是極大的體力活，錯誤率高，恢復時間長。

• 冷備是全量備份。全量備份會造成磁盤空間浪費，以及容量不足的問題，只能通過將備份拷貝到其他移動設備上解決。所以，整個備份過程的時間其實更長了。

• 想象一下每天拷貝幾個 T 的數據到移動硬盤上，需要多少移動硬盤和時間。並且，全量備份是無法定製化的，比如只備份某一些表，是無法做到的。

如何權衡冷備的利弊，是每個業務需要考慮的。

雙機熱備

熱備，和冷備比起來，主要的差別是不用停機，一邊備份一邊提供服務。但還原的時候還是需要停機的。由於我們討論的是和存儲相關的，所以不將共享磁盤的方式看作雙機熱備。

Active/Standby 模式

相當於 1 主 1 從，主節點對外提供服務，從節點作爲 backup。通過一些手段將數據從主節點同步到從節點，當故障發生時，將從節點設置爲工作節點。數據同步的方式可以是偏軟件層面，也可以是偏硬件層面的。偏軟件層面的，比如 mysql 的 master/slave 方式，通過同步 binlog 的方式；sqlserver 的訂閱複製方式。偏硬件層面，通過扇區和磁盤的攔截等鏡像技術，將數據拷貝到另外的磁盤。偏硬件的方式，也被叫做數據級災備；偏軟件的，被叫做應用級災備。後文談得更多的是應用級災備。

雙機互備

本質上還是 Active/Standby，只是互爲主從而已。雙機互備並不能工作於同一個業務，只是在服務器角度來看，更好的壓榨了可用的資源。比如，兩個業務分別有庫 A 和 B，通過兩個機器 P 和 Q 進行部署。那麼對於 A 業務，P 主 Q 從，對於 B 業務，Q 主 P 從。整體上看起來是兩個機器互爲主備。這種架構下，讀寫分離是很好的，單寫多讀，減少衝突又提高了效率。

其他的高可用方案還可以參考各類數據庫的多種部署模式，比如 mysql 的主從、雙主多從、MHA；redis 的主從，哨兵，cluster 等等。

2、同城雙活

前面講到的幾種方案，基本都是在一個局域網內進行的。業務發展到後面，有了同城多活的方案。和前面比起來，不信任的粒度從機器轉爲了機房。這種方案可以解決某個 IDC 機房整體掛掉的情況（停電，斷網等）。

同城雙活其實和前文提到的雙機熱備沒有本質的區別，只是 “距離” 更遠了，基本上還是一樣（同城專線網速還是很快的）。雙機熱備提供了災備能力，雙機互備避免了過多的資源浪費。

在程序代碼的輔助下，有的業務還可以做到真正的雙活，即同一個業務，雙主，同時提供讀寫，只要處理好衝突的問題即可。需要注意的是，並不是所有的業務都能做到。

業界更多采用的是兩地三中心的做法。遠端的備份機房能更大的提供災備能力，能更好的抵抗地震，恐襲等情況。雙活的機器必須部署到同城，距離更遠的城市作爲災備機房。災備機房是不對外提供服務的，只作爲備份使用，發生故障了才切流量到災備機房；或者是隻作爲數據備份。原因主要在於：距離太遠，網絡延遲太大。

圖 1 兩地三中心

如上圖，用戶流量通過負載均衡，將服務 A 的流量發送到 IDC1，服務器集 A；將服務 B 的流量發送到 IDC2，服務器 B；同時，服務器集 a 和 b 分別從 A 和 B 進行同城專線的數據同步，並且通過長距離的異地專線往 IDC3 進行同步。當任何一個 IDC 當機時，將所有流量切到同城的另一個 IDC 機房，完成了 failover。

當城市 1 發生大面積故障時，比如發生地震導致 IDC1 和 2 同時停止工作，則數據在 IDC3 得以保全。同時，如果負載均衡仍然有效，也可以將流量全部轉發到 IDC3 中。不過，此時 IDC3 機房的距離非常遠，網絡延遲變得很嚴重，通常用戶的體驗的會受到嚴重影響的。

圖 2 兩地三中心主從模式

上圖是一種基於 Master-Slave 模式的兩地三中心示意圖。城市 1 中的兩個機房作爲 1 主 1 從，異地機房作爲從。也可以採用同城雙主 + keepalived+vip 的方式，或者 MHA 的方式進行 failover。但城市 2 不能（最好不要）被選擇爲 Master。

3、異地雙活

同城雙活可以應對大部分的災備情況，但是碰到大面積停電，或者自然災害的時候，服務依然會中斷。對上面的兩地三中心進行改造，在異地也部署前端入口節點和應用，在城市 1 停止服務後將流量切到城市 2，可以在降低用戶體驗的情況下，進行降級。但用戶的體驗下降程度非常大。

所以大多數的互聯網公司採用了異地雙活的方案。

圖 3 簡單的異地雙活示意圖

上圖是一個簡單的異地雙活的示意圖。流量經過 LB 後分發到兩個城市的服務器集羣中，服務器集羣只連接本地的數據庫集羣，只有當本地的所有數據庫集羣均不能訪問，才 failover 到異地的數據庫集羣中。

在這種方式下，由於異地網絡問題，雙向同步需要花費更多的時間。更長的同步時間將會導致更加嚴重的吞吐量下降，或者出現數據衝突的情況。吞吐量和衝突是兩個對立的問題，你需要在其中進行權衡。例如，爲了解決衝突，引入分佈式鎖 / 分佈式事務；爲了解決達到更高的吞吐量，利用中間狀態、錯誤重試等手段，達到最終一致性；降低衝突，將數據進行恰當的 sharding，儘可能在一個節點中完成整個事務。

對於一些無法接受最終一致性的業務，餓了麼採用的是下圖的方式：

對於個別一致性要求很高的應用，我們提供了一種強一致的方案（Global Zone），Globa Zone 是一種跨機房的讀寫分離機制，所有的寫操作被定向到一個 Master 機房進行，以保證一致性，讀操作可以在每個機房的 Slave 庫執行，也可以 bind 到 Master 機房進行，這一切都基於我們的數據庫訪問層（DAL）完成，業務基本無感知。

——《餓了麼異地多活技術實現（一）總體介紹》

也就是說，在這個區域是不能進行雙活的。採用主從而不是雙寫，自然解決了衝突的問題。

實際上，異地雙活和異地多活已經很像了，雙活的結構更爲簡單，所以在程序架構上不用做過多的考慮，只需要做傳統的限流，failover 等操作即可。但其實雙活只是一個臨時的步驟，最終的目的是切換到多活。因爲雙活除了有數據衝突上的問題意外，還無法進行橫向擴展。

異地多活

圖 4 異地多活的示意圖

根據異地雙活的思路，我們可以畫出異地多活的一種示意圖。每個節點的出度和入度都是 4，在這種情況下，任何節點下線都不會對業務有影響。但是，考慮到距離的問題，一次寫操作將帶來更大的時間開銷。時間開銷除了影響用戶體驗以外，還帶來了更多的數據衝突。在嚴重的數據衝突下，使用分佈式鎖的代價也更大。這將導致系統的複雜度上升，吞吐量下降。所以上圖的方案是無法使用的。

回憶一下我們在解決網狀網絡拓撲的時候是怎麼優化的？引入中間節點，將網狀改爲星狀：

圖 5 星狀的異地多活

改造爲上圖後，每個城市下線都不會對數據造成影響。對於原有請求城市的流量，會被重新 LoadBalance 到新的節點（最好是 LB 到最近的城市）。爲了解決數據安全的問題，我們只需要針對中心節點進行處理即可。但是這樣，對於中心城市的要求，比其他城市會更高。比如恢復速度，備份完整性等，這裏暫時不展開。我們先假定中心是完全安全的。

如果我們已經將異地多活的業務部署爲上圖的結構，很大程度解決了數據到處同步的問題，不過依然會存在大量的衝突，衝突的情況可以簡單認爲和雙活差不多。那麼還有沒有更好的方式呢？

這裏可以關聯一下餓了麼的 GlobalZone 方案，總體思路就是 “去分佈式”，也就是說將寫的業務放到一個節點的（同城）機器上。阿里是這麼思考的：

阿里理想中的異地多活架構

實際上我猜測很多業務也是按照上圖去實現的，比如滴滴打車業務這種，所有的業務都是按城市劃分開的。用戶、車主、目的地，他們的經緯度通常都是在同一個城市的。單個數據中心並不需要和其他數據中心進行數據交互，只有在統計出報表的時候才需要，但報表是不太注重實時性的。那麼，在這種情況下，全國的業務其實可以被很好的 sharding 的。

但是對於電商這種複雜的場景和業務，按照前文說的方式進行 sharding 已經無法滿足需求了。因爲業務線非常複雜，數據依賴也非常複雜，每個數據中心相互進行數據同步的情況無可避免。淘寶的解決方式和我們切分微服務的方式有點類似：

淘寶按照單元切分的異地多活架構

注意看圖中的數據同步箭頭。以交易單元爲例，屬於交易單元的業務數據，將與中心單元進行雙向同步；不屬於交易單元的業務數據，單向從中心單元同步。中心單元承擔了最複雜的業務場景，業務單元承擔了相對單一的場景。對於業務單元，可以進行彈性伸縮和容災；對於中心單元，擴展能力較差，穩定性要求更高。可以遇見，大部分的故障都會出現在中心單元。

按照業務進行單元切分，已經需要對代碼和架構進行徹底的改造了（可能這也是爲什麼阿里要先從雙活再切到多活，歷時 3 年）。比如，業務拆分，依賴拆分，網狀改星狀，分佈式事務，緩存失效等。除了對於編碼的要求很高以外，對測試和運維也有非常大的挑戰。

如此複雜的情況，如何進行自動化覆蓋，如何進行演練，如何改造流水線。這種級別的災備，不是一般公司敢做的，投入產出也不成正比。不過還是可以把這種場景當作我們的 “假想敵”，去思考我們自己的業務，未來會怎麼發展，需要做到什麼級別的災備。相對而言，餓了麼的多活方案可能更適合大多數的企業。

本文只是通過畫圖的方式進行了簡單的描述，其實**異地多活是需要很多很強大的基礎能力的。**比如，數據傳輸，數據校驗，數據操作層（簡化客戶端控制寫和同步的過程）等。

本文由 Readfog 進行 AMP 轉碼，版權歸原作者所有。
來源：https://mp.weixin.qq.com/s/d0M3ZF5c1ZeJJ5Hy_fCRZQ