GaussDB (DWS) 集群均衡失败原理分析

集群均衡使用背景

一般用来在主实例发生故障，备机升主之后，待原主实例恢复正常后均衡集群。

触发场景

1）全部实例：cm_ctl switchover -a

2）指定实例：cm_ctl switchover -n nodeid -D 备机实例路径

前提：注意连接CN查看是否有catchup:

select * from pgxc_get_senders_catchup_time();

主备切换流程

1）gs_ctl发起switchover请求，备机postmaster收到信号(SIGUSR1),发送SIGUSR1信号给walreiver;

此时备机会提示日志： to do switchover

2）备机walreiver将switchover消息发送给主机walsender，并等待主机降备；

3）主机收到switchover消息，给主机postmaster线程发送降备信号（PMSIGNAL_DEMOTE_PRIMARY）；

4）主机postmaster收到降备消息，重启相关线程；

降备完成后主机会提示日志：The WAL sender in primary has done the switchover waiting for the standby's promotion

5）备机升主后接管业务

主备切换关键日志

备机：

1）收到switchover信号：to do switchover

2）给主机发送switchover信号：send fast switchover request to primary

3）设置自身状态为waiting_state,等待主机降备：set db_state to WAITING_STATE in gaussdb state file

4）收到主机降备消息：received switchover response message from primary

5）设置自身状态为promoting_state，进行升主：set db_state to PROMOTING_STATE in gaussdb state file

主机：

1）收到备机switchover消息：received fast switchover request from standby

2）停止当前活跃事务：aborting any active transactions

3）停止连接：terminating connection due to administrator command

4）停止业务线程：could not fork new process for connection:postmaster is shutting down

5）给备机发送switchover响应消息：sending switchover response message

6）关闭所有线程，重新进行初始化：all server processes terminated; reinitializing

主备切换常见问题

【问题描述】

执行主备切换后长时间未成功，查询集群状态原主一直处于primary demoting状态，原备处于standby wait promoting状态

【问题分析】

查看原主实例降备过程中等待业务线程结束，此时业务线程消息未响应造成主备切换长时间不成功。

【修复方案】

Kill demoting实例进行回退待业务低峰期或停止业务后进行重新操作。