从原理到实践，手把手带你轻松get数仓双集群容灾
摘要：本文通过介绍双集群的架构、log结构、分析步骤来介绍双集群容灾的问题分析方法。
本文分享自华为云社区《从原理到实践，手把手带你轻松get数仓双集群容灾》，原文作者：Puyol 。
双集群原理
GaussDB(DWS) 的容灾方案是一个双集群同步的架构，即两套独立集群定期同步数据以达到容这的目的。目前数据同步的方式是通过roach(GaussDB(DWS)备份、恢复工具)定期做增量备份和恢复同步。双集群框架是一个复杂的分布式系统，在出现问题时，如何快速准确的定位问题及恢复服务是一个非常紧迫的问题，这个问题在云上会更突出。本文通过介绍双集群的架构、log结构、分析步骤来介绍双集群容灾的问题分析方法。
首先介绍一下双集群的部署方案原理，从部署架构和重要参数两个方面先介绍一下背景知识，便于更好理解问题分析的方法。
架构简介
1. 逻辑架构示例
下图是一个同构的双集群部署示意图，主备集群都是3c3d, 主集群的主结点部署双集群框架脚本，定期进行备份操作，备集群的主结点定期恢复备份集。基础数据需要进行一全量备份，之后增量备份。
2. 部署架构
下图是接上图的部署架构，涉及双集群同步脚本(SyncDataToStby.py), 备份程序（GaussRoach.py, gs_roach）三个二进制文件
备份侧调用关系：SyncDataToStby.py -> GaussRoach.py -> gs_roach
恢复侧调用关系：SyncDataToStby.py -> GaussRoach.py -> gs_roach
了解调用关系和咱们分析问题有直接的关系。
SyncDataToStby.py 是整个双集群的调用起始，控制着双集群的正常运行，正常情况下是长驻内存的进程，如果异常退出后，后台会有crontab的来重新拉起双集群脚本: crontab -> SyncDataToStby.py -> GaussRoach.py -> gs_roach
主要参数简介
问题定位
众所周知，系统的各种log是我们了解运行机制，了解问题现场的有力工具，同样双集群的问题分析也依赖于log的分析，首先认识一下双集群对应的日志：
log 目录结构
由上节的逻辑图及部署图，每个二进制对应的log文件如下图所示，对应二进制的信息查找对应的log。
如上图，双集群的日志也是存放到$GAUSSLOG这个目录，并且有自己独立的目录 roach, 由这个目录同样是备份/恢复的对应的log路径。我们按调用关系从上到下的角度来介绍
1. frame目录
存放 SyncDataToStby.py 生成的log，涉及到双集群调度，备份集清理，状态显示，配置文件及命令行参数解析的功能。
2. controller目录
存放 GaussRoach.py 生成的log，涉及到备份、恢复准备工作一些操作，备份、恢复参数解析，备份集群的处理，错误处理等
3. agent目录
存放 gs_roach工具 生成的log，涉及到gs_roach 连接gaussdb/gtm/cm发起备份/恢复，生成备份集/恢复备份集等操作。
gs_roach工具功能：在备份侧完成将cn/dn/gtm/cm的数据文件按顺序打包成备份文件的功能，并生成备份集元信息文件; 恢复侧根据元信息文件将备份集文件解压到对应cn/dn/gtm/cm的数据目录中。
定位步骤
1. 确定问题在备份侧还是恢复侧，查找双集群主结点上Sync日志，确定出错的模块
2. 确定出错的层次，由于双集群执行过程是一个上下层调用及时序关系的方式，具体顺序参考：
crontab -> SyncDataToStby.py -> GaussRoach.py -> gs_roach
3. 在各个模块都有较详细的日志描述过程，具体问题具体分析，大体有如下几个方面
1）配置出错，用户、环境变量文件
2）备份集群路径权限问题
3）由于集群状态非Normal导致备份失败
4）结点故障及备份集损坏导致恢复失败
4. 后续文章会按模块及错误类型来详细描述问题定位步骤
小结
GaussDB(DWS)的双集群容灾功能是一个独立的复杂的分布式系统，涉及到三层工具的使用，因此在问题定位时会造成一些困惑。定位的方法需要先去理解架构，运行机制，然后根据时序关系去对应结点分析日志。后续会从各个模块的角度介绍一些典型的问题及修复方法。
想了解GuassDB(DWS)更多信息，欢迎微信搜索“GaussDB DWS”关注微信公众号，和您分享最新最全的PB级数仓黑科技，后台还可获取众多学习资料哦~
点击关注，第一时间了解华为云新鲜技术~