DolphinDB提供数据、元数据以及客户端的高可用方案，使得数据库节点发生故障时，数据库依然可以正常运作，保证业务不会中断。
与其它时序数据库不同的是，DolphinDB的高可用确保强一致性。
1. 概述
DolphinDB database采用多副本机制，相同数据块的副本存储在不同的数据节点上。即使集群中某个或多个数据节点宕机，只要集群中还有至少1个副本可用，那么数据库就可以提供服务。
元数据存储在控制节点上。为了保证元数据的高可用，DolphinDB采用Raft协议，通过构建多个控制节点来组成一个Raft组，只要宕机的控制节点少于半数，集群仍然可提供服务。
DolphinDB API提供了自动重连和切换机制，如果当前连接的数据节点宕机，API会尝试重连，若重连失败就会自动切换连接到其他数据节点执行任务。切换数据节点对用户是透明的，用户不会感知到当前连接的节点已经切换。
如果要使用高可用功能，请先部署DolphinDB集群。高可用功能仅在集群中支持，在单实例中不支持。集群部署请参考多服务器集群部署教程。
- 数据高可用
为了保证数据的安全和高可用，DolphinDB支持在不同的服务器上存储多个数据副本，并且数据副本之间保持强一致性。即使一台机器上的数据损坏，也可以通过访问其他机器上的副本数据来保证数据服务不中断。
副本的个数可由在controller.cfg中的dfsReplicationFactor参数来设定。例如，把副本数设置为2：
dfsReplicationFactor=2默认情况下，DolphinDB允许相同数据块的副本分布在同一台机器上。为了保证数据高可用，需要把相同数据块的副本分布在不同的机器上。可在controller.cfg添加以下配置项：
dfsReplicaReliabilityLevel=1下面通过一个例子直观地解释DolphinDB的数据高可用。首先，在集群的数据节点上执行以下脚本以创建数据库：
n=1000000
date=rand(2018.08.01..2018.08.03,n)
sym=rand(`AAPL`MS`C`YHOO,n)
qty=rand(1..1000,n)
price=rand(100.0,n)
t=table(date,sym,qty,price)
if(existsDatabase("dfs://db1")){
dropDatabase("dfs://db1")
}
db=database("dfs://db1",VALUE,2018.08.01..2018.08.03)
trades=db.createPartitionedTable(t,`trades,`date).append!(t)分布式表trades被分成3个分区，每个日期表示一个分区。DolphinDB的Web集群管理界面提供了DFS Explorer，可以方便地查看数据分布情况。trades表各个分区的分布情况如下图所示：
以20180801这个分区为例，Sites列显示，date=2018.08.01的数据分布在18104datanode和18103datanode上。即使18104datanode宕机，只要18103datanode正常，用户仍然对date=2018.08.01的数据进行读写操作。
- 元数据高可用
数据存储时会产生元数据，例如每个数据块存储在哪些数据节点上的哪个位置等信息。如果元数据不能使用，即使数据块完整，系统也无法正常访问数据。
元数据存放在控制节点。我们可以在一个集群中部署多个控制节点，通过元数据冗余来保证元数据服务不中断。一个集群中的所有控制节点组成一个Raft组，Raft组中只有一个Leader，其他都是Follower，Leader和Follower上的元数据保持强一致性。数据节点只能和Leader进行交互。如果当前Leader不可用，系统会立即选举出新的Leader来提供元数据服务。Raft组能够容忍小于半数的控制节点宕机，例如包含三个控制节点的集群，可以容忍一个控制节点出现故障；包含五个控制节点的集群，可以容忍两个控制节点出现故障。要设置元数据高可用，控制节点的数量至少为3个，同时需要设置数据高可用，即副本数必须大于1。
通过以下例子来介绍如何要为一个已有的集群启动元数据高可用。假设已有集群的控制节点位于P1机器上，现在要增加两个控制节点，分别部署在P2、P3机器上。它们的内网地址如下：
P1: 10.1.1.1
P2: 10.1.1.3
P3: 10.1.1.5(1) 修改已有控制节点的配置文件
在P1的controller.cfg文件添加下列参数：dfsReplicationFactor=2, dfsReplicaReliabilityLevel=1, dfsHAMode=Raft。修改后的controller.cfg如下：
localSite=10.1.1.1:8900:controller1
dfsReplicationFactor=2
dfsReplicaReliabilityLevel=1
dfsHAMode=Raft(2) 部署两个新的控制节点
分别在P2、P3下载DolphinDB服务器程序包，并解压，例如解压到/DolphinDB目录。
在/DolphinDB/server目录下创建config目录。在config目录下创建controller.cfg文件，填写以下内容：
P2
localSite=10.1.1.3:8900:controller2
dfsReplicationFactor=2
dfsReplicaReliabilityLevel=1
dfsHAMode=RaftP3
localSite=10.1.1.5:8900:controller3
dfsReplicationFactor=2
dfsReplicaReliabilityLevel=1
dfsHAMode=Raft(3) 修改已有代理节点的配置文件
在已有的agent.cfg文件中添加sites参数，它表示本机器代理节点和所有控制节点的局域网信息，代理节点信息必须在所有控制节点信息之前。例如，P1的agent.cfg修改后的内容如下：
localSite=10.1.1.1:8901:agent1
controllerSite=10.1.1.1:8900:controller1
sites=10.1.1.1:8901:agent1:agent,10.1.1.1:8900:controller1:controller,10.1.1.3:8900:controller2:controller,10.1.1.5:8900:controller3:controller如果有多个代理节点，每个代理节点的配置文件都需要修改。
(4) 修改已有控制节点的集群成员配置文件
在P1的cluster.nodes上增加控制节点的局域网信息。例如，P1的cluster.nodes修改后的内容如下：
localSite,mode
10.1.1.1:8900:controller1,controller
10.1.1.2:8900:controller2,controller
10.1.1.3:8900:controller3,controller
10.1.1.1:8901:agent1,agent
10.1.1.1:8911:datanode1,datanode
10.1.1.1:8912:datanode2,datanode(5) 为新的控制节点添加集群成员配置文件和节点配置文件
控制节点的启动需要cluster.nodes和cluster.cfg。把P1上的cluster.nodes和cluster.cfg复制到P2和P3的config目录。
(6) 启动高可用集群
- 启动控制节点
分别在每个控制节点所在机器上执行以下命令：
nohup ./dolphindb -console 0 -mode controller -home data -config config/controller.cfg -clusterConfig config/cluster.cfg -logFile log/controller.log -nodesFile config/cluster.nodes &- 启动代理节点
在部署了代理节点的机器上执行以下命令：
nohup ./dolphindb -console 0 -mode agent -home data -config config/agent.cfg -logFile log/agent.log &启动、关闭数据节点以及修改节点配置只能在Leader的集群管理界面操作。
- 如何判断哪个控制节点为Leader
在浏览器地址栏中输入任意控制节点的IP地址和端口号打开集群管理界面，例如10.1.1.1:8900，点击Node列的控制节点别名controller1进入DolphinDB Notebook。
执行getActiveMaster()函数，该函数返回Leader的别名。
在浏览器地址栏中输入Leader的IP地址和端口号打开Leader的集群管理界面。
- 客户端高可用
使用API与DolphinDB server的数据节点进行交互时，如果连接的数据节点宕机，API会尝试重连，若重连失败会自动切换到其他可用的数据节点。这对用户是透明的。目前只有Java和Python API支持高可用。
API的connect方法如下：
connect(host,port,username,password,startup,highAvailability)使用connect方法连接数据节点时，只需要指定highAvailability参数为true。
以下例子设置Java API高可用：
import com.xxdb;
DBConnection conn = new DBConnection();
boolean success = conn.connect("10.1.1.1", 8911,"admin","123456","",true);如果数据节点10.1.1.1:8911宕机，API会自动连接到其他可用的数据节点。
- 动态增加数据节点
用户可以使用addNode命令在线增加数据节点，无需重启集群。
下例中说明如何在新的服务器P4（内网IP为10.1.1.7）上增加新的数据节点datanode3，端口号为8911。
在新的物理服务器上增加数据节点，需要先部署一个代理节点，用于启动该服务器上的数据节点。P4的代理节点的端口为8901，别名为agent2。
在P4上下载DolphinDB程序包，解压到指定目录，例如/DolphinDB。
进入到/DolphinDB/server目录，创建config目录。
在config目录下创建agent.cfg文件，填写如下内容：
localSite=10.1.1.7:8901:agent2
controllerSite=10.1.1.1:8900:controller1
sites=10.1.1.7:8901:agent2:agent,10.1.1.1:8900:controller1:controller,10.1.1.3:8900:controller2:controller,10.1.1.5:8900:controller3:controller在config目录下创建cluster.nodes文件，填写如下内容：
localSite,mode
10.1.1.1:8900:controller1,controller
10.1.1.2:8900:controller2,controller
10.1.1.3:8900:controller3,controller
10.1.1.1:8901:agent1,agent
10.1.1.7:8901:agent2,agent
10.1.1.1:8911:datanode1,datanode
10.1.1.1:8912:datanode2,datanode把P1, P2和P3上的cluster.nodes修改为与P4的cluster.nodes相同。
执行以下Linux命令启动P4上的代理节点：
nohup ./dolphindb -console 0 -mode agent -home data -config config/agent.cfg -logFile log/agent.log &在任意一个数据节点上执行以下命令：
addNode("10.1.1.7",8911,"datanode3")执行上面的脚本后，刷新Web集群管理界面，可以发现新增加的数据节点已经存在，但它处于关闭状态，需要手动启动新增的数据节点。
- 总结
通过保证数据、元数据服务以及API连接不中断，DolphinDB可以满足物联网、金融等领域24小时不中断提供服务的需求。