2、GaussDB数据库规划设计

# GaussDB 学习与考试核心要点汇总

---

# 1. GaussDB 数据库规划设计 - 容量规划

## 一、 容量规划概述
* **定义**: 根据业务系统的负载需求或历史运行数据，合理规划GaussDB的**计算、存储、网络**资源配置，以满足业务系统正常使用和未来若干年负载增长诉求的过程 [cite: 1868]。
* **步骤**: 需求收集 -> 分析评估 -> 验证调整 -> 持续运维 [cite: 1882, 1891]。

## 二、 计算资源容量评估
* **核心指标与换算**:
    * **tpmC**: 每分钟内系统处理的新订单个数 [cite: 1955]。新订单请求只占全部事务请求的45% [cite: 1956]。
    * **tps**: 每秒处理的事务个数 [cite: 1960]。
    * **公式**: `1 tpmC = (1 / 0.45) / 60 tps` [cite: 1961]。
* **评估公式**:
    **最终业务需求tps = 初始tps × 扩展系数 ÷ 预留系数 × 复杂度系数** [cite: 2050]
    * **初始tps**: 对存量业务进行统计，或对新建业务进行估算 [cite: 1967, 1969]。
    * **扩展系数**: `(1 + 年平均增长百分比) ^ 年数` [cite: 2000]。
    * **预留系数**: 资源利用率控制水位，一般建议CPU和内存利用率小于70% [cite: 2005, 2010]。
    * **复杂度系数**: 用于折算业务与TPC-C模型的差异，通常为“行业经验系数” [cite: 2015]。

## 三、 存储资源容量评估
* **数据容量评估**:
    **最终数据容量 = (初始数据量 × 扩展系数) ÷ 预留系数 + 扩容预留** [cite: 2291, 2307, 2311]
    * **预留系数**: GaussDB磁盘利用率**默认阈值为85%** [cite: 2307]。超过该阈值，数据库将变为**只读模式** [cite: 2308]。
    * **分片评估**: 如果最终单库数据量 **> 24T**，建议拆分或采用分布式多分片 [cite: 2325]。
* **存储类型与RAID规划**:
    * **存储形态**: 本地盘 (SAS SSD)、集中式存储 (OceanStor Dorado)、分布式存储 (OceanStor Pacific) [cite: 2351, 2356, 2368]。
    * **RAID建议**: **推荐使用硬RAID** [cite: 2394]。本地盘部署时，系统盘用**RAID1**，数据盘用**RAID10** [cite: 2406, 2407]。
    * **SSD盘RAID Cache策略**: **建议关闭**读写Cache [cite: 2422]。
* **备份容量评估**:
    **备份容量 = 自动全量备份 + 自动差量备份 + 日志归档 + 手动全量备份** [cite: 2448]
    * `C1 (自动全量)` = `业务总数据量S × (ceil(备份保留周期T1 / 备份周期T2) + 1) × 压缩比R` [cite: 2449]。
    * `C2 (自动差量)` = `每日新增数据量D × 备份保留周期T1 × 压缩比R` [cite: 2450]。
    * `C3 (日志归档)` = `每日新增数据量D × 备份保留周期T1` [cite: 2451]。
    * `C4 (手动全量)` = `业务总数据量S × 手动备份个数N × 压缩比R` [cite: 2452]。

---

# 2. GaussDB 数据库规划设计 - 部署形态规划

## 一、 解决方案形态选型 (HCS vs. 轻量化)
* **HCS标准形态**:
    * **特点**: 全栈云解决方案，资源全自动化，多租户，初始成本高（至少17台管理节点），硬件兼容性要求严 [cite: 9797, 9800, 9884, 9894]。
    * **选型**: 适用于有**云化改造、云原生、资源管理自动化**诉求的场景 [cite: 9907]。
* **轻量化部署形态**:
    * **特点**: 极致瘦身，只保留核心的数据库管理(TPOPS)和迁移(DRS)能力，初始成本低（3台管理节点），支持**设备利旧** [cite: 9842, 9843, 9885, 9894]。
    * **选型**: 适用于**初始成本要求低**、规模较小、或有**设备利旧**诉求的场景 [cite: 9909]。

## 二、 分片形态选型 (集中式 vs. 分布式)
* **集中式 (单分片)**:
    * **特点**: 架构简单，易于运维，适合复杂SQL [cite: 9985]。
    * **选型**: 业务SQL改造困难；性能要求 **< 2w tps**；数据总量 **< 24TB** [cite: 9985]。
* **分布式 (多分片)**:
    * **特点**: 可线性扩展，支持高并发，但可能需应用改造 [cite: 9985]。
    * **选型**: 业务SQL相对简单；性能要求 **> 2w tps**；数据总量 **> 24TB** [cite: 9985]。

## 三、 多地部署形态选型 (容灾规划)
* **核心指标**: **RPO** (可容忍数据丢失量) 和 **RTO** (可容忍业务中断时长) [cite: 10010, 10013]。
* **容灾等级与架构**:
    * **5~6级 (RPO≈0, RTO分钟级)**: 采用**两地三中心**或**同城三中心**架构。同城双活依赖**ADR (存储复制)**或**单集群Quorum**机制。网络延迟要求苛刻（同城<2ms，异地<100ms） [cite: 10047]。
    * **3~4级 (RPO/RTO小时级)**: 采用**主机房主集群 + 异地容灾集群**，通过**流式复制**实现 [cite: 10893]。
    * **1~2级 (RPO/RTO天级)**: 采用**单集群 + 异地备份**，成本最低 [cite: 10903]。

---

# 3. GaussDB 数据库规划设计 - 网络规划

## 一、 HCS标准形态网络
* **虚拟网络**:
    * **管理VPC**: 承载管理控制指令，系统内部使用 [cite: 2608, 2609]。
    * **业务VPC**: 承载业务SQL流量，用户规划创建 [cite: 2613]。
* **物理组网**:
    * 推荐**增强型裸机网关**，性能好、可靠性高（切换<3s），成本低 [cite: 2754, 2755, 2756, 2757, 4300]。
* **IP规划 (VIP)**:
    * **集中式(二层)**: 所有DN**共用一个VIP** [cite: 2839]。
    * **集中式(三层)**: **每个DN一个VIP** [cite: 2795]。
    * **分布式**: **每个CN一个VIP** [cite: 2881]。
* **网络平面**:
    * **集中式网关**: 管理平面(eth0)、业务平面(eth1)、高速平面(eth2) [cite: 2904, 2909]。
    * **增强型网关**: 管理/数据平面(eth0)、业务平面(eth1) [cite: 3469, 3474]。

## 二、 轻量化部署形态网络
* **组网模式**: 单平面、两平面、三平面（虚拟/物理隔离） [cite: 4406, 4408, 4410, 4412]。
* **IP规划 (重要)**:
    * **二层互通 (仅集中式)**: 所有DN**共用一个VIP** [cite: 4468]。
    * **三层互通**: **不分配VIP**。应用端需配置所有DN（集中式）或CN（分布式）的**固定IP** [cite: 4445]。
* **延迟要求**: 机房内<0.25ms；同城<2ms；异地<100ms [cite: 4401]。

## 三、 带宽与端口
* **带宽建议**: 管理/业务平面至少**10Gb**；数据平面至少**25Gb** [cite: 5665]。
* **主要端口**:
    * **集中式**: DN(8000), ETCD(2379) [cite: 5675]。
    * **分布式**: GTM(6000), CN(8000), DN(4000+) [cite: 5677]。

---

# 4. GaussDB 数据库规划设计 - 安全规划

## 一、 安全分层模型
遵循纵深防御，分为**应用层、接入层、网络传输层、OS层、数据库层、介质层** [cite: 11188, 11191, 11193, 11195, 11197]。

## 二、 各层安全建议
* **应用层**: 使用SQL安全插件和审核工具（如UGO），防范SQL注入 [cite: 11209, 11210]。
* **接入层**:
    * **启用SSL**加密连接 [cite: 11226]。
    * 应用配置文件中**密码需加密存储** [cite: 11237]。
    * 使用**连接池**管理连接数 [cite: 11254]。
* **网络传输层**:
    * 使用**防火墙**隔离应用区和数据库区 [cite: 11279]。
    * 在驱动端配置**keepalives**，防止长连接被防火墙断开 [cite: 11281]。
    * 使用**安全组**并遵循**最小暴露原则** [cite: 11295]。
    * **禁止将EIP绑定到数据库端口**暴露于公网 [cite: 11308, 11310]。
* **OS层**:
    * 使用`cgroup`进行**资源隔离**，`chroot`进行**进程沙箱隔离** [cite: 11342, 11371]。
    * 使用不同OS用户运行不同应用，遵循最小权限 [cite: 11385]。
    * 定期更新OS补丁，开启OS审计和`iptables`防火墙 [cite: 11412, 11438, 11453]。
* **数据库层**:
    * **账号安全**: 强制密码复杂度、有效期、重用规则 [cite: 11475, 11476, 11478]。
    * **访问控制**: 内核支持**RBAC**模型。推荐使用**三权分立**模式，将系统管理员、安全管理员、审计管理员的职责分离 [cite: 11505, 11510]。
    * **加密方案**:
        * **透明加密(TDE)**: 存储引擎层加密，性能高，易用 [cite: 11538]。
        * **全密态加密**: 驱动（客户端）层加密，安全性最高 [cite: 11538]。
    * **审计**: **默认开启，不建议关闭** [cite: 11567]。
* **介质层**: 多副本、多地域、多介质冗余（如备份到磁带） [cite: 11573, 11574, 11575]。

---
# 5. GaussDB 数据库规划设计金融案例

## 一、 部署规划案例
* **业务系统分类**: 根据重要性分为A、B、C、D四类，决定容灾要求 [cite: 5805, 5806, 5807, 5808]。
* **总体建设思路**:
    * **总行业务**: 推荐使用 **HCS标准化GaussDB部署方案** [cite: 5814]。
    * **分行业务**: 推荐使用 **HCS轻量化GaussDB部署方案**，以节省成本 [cite: 5815]。
* **部署方案（按系统等级）**:
    * **A类系统**: 要求**两地三中心**。采用**存算分离**架构，同城通过 **ADR (存储复制)** 实现双活 (RPO=0)，异地通过**数据库层流复制**进行异步容灾 [cite: 5833]。
    * **B类系统**: 采用**本地盘**架构，**主生产集群 + 同城/异地容灾集群**，通过**数据库层流复制**实现容灾 [cite: 5833]。
    * **C类系统**: 采用**本地盘**架构，仅需**本地高可用**（如一主两备） [cite: 5833]。
* **数据脱敏**:
    * 少量表: `gs_dump`导出 -> 脱敏 -> `gs_loader`导入 [cite: 5931]。
    * 同Region: 通过OBS备份恢复到脱敏集群 [cite: 5932]。
    * 跨Region: 通过XBSA接口恢复到脱敏集群 [cite: 5934]。

## 二、 业务规划案例
* **新建业务（企业流程管理系统）**:
    * **特征**: 5A类核心业务，高峰10000 QPS，数据量估算110TB，简单SQL [cite: 6121, 6122, 6124, 6125, 6128]。
    * **结论**: 数据量和交易量远超集中式上限，必须选用**分布式部署形态** [cite: 6138, 6141, 6146, 6149]。
* **迁移业务（信贷管理系统）**:
    * **特征**: A级业务，数据量1.5TB，峰值400 TPS，存在大量复杂存储过程（5799个，79万行代码） [cite: 6211, 6212]。
    * **结论**: 存储过程改造难度极大，且数据量和性能要求在集中式处理范围内，故选用**集中式部署形态** [cite: 6218]。
    * **迁移工具**: 使用**UGO**进行对象和存储过程迁移，**DRS**进行数据迁移 [cite: 6241]。

---

# 6. GaussDB 内核原理 - SQL引擎

## 一、 SQL执行流程
**查询解析 -> 查询重写 -> 计划生成 -> 查询执行** [cite: 6358, 6359, 6361, 6363]

## 二、 解析器 (Parser)
* **流程**: 词法分析 -> 语法分析 -> 语义分析 [cite: 6459]。
* **功能**: 将SQL文本字符串转换为数据库内部可以理解的查询树（QueryTree） [cite: 6458, 6621]。

## 三、 优化器 (Optimizer)
* **查询重写 (逻辑优化)**: 基于关系代数等价变换规则（如谓词下推、子查询提升、外连接消除）对查询树进行优化 [cite: 6660, 6668, 6701, 6732, 6950]。
* **路径生成**:
    * 为查询寻找所有可能的执行路径（Path） [cite: 7102]。
    * **扫描方式**: 顺序扫描(SeqScan)、索引扫描(IndexScan) [cite: 7104, 7105]。
    * **连接方式**: 嵌套循环(NestLoop)、哈希连接(HashJoin)、归并连接(MergeJoin) [cite: 7133, 7134, 7136]。
    * **算法**: 小于`geqo_threshold`（默认12）个表时用**动态规划**，大于时用**遗传算法** [cite: 7166, 7174]。
* **计划生成**:
    * 基于统计信息进行代价估算，从所有路径中选择代价最低的一条，生成物理执行计划（PlanTree） [cite: 6410]。
* **分布式计划**:
    * **STREAM算子**: 用于DN间数据交换，分为**Gather (N:1)**、**Broadcast (1:N)**、**Redistribute (N:N)** [cite: 8032, 8033, 8034]。
* **统计信息**:
    * 描述数据分布特征，是代价估算的基础。包括表/列级别信息，如**高频值(MCV)**和**直方图** [cite: 7415, 7427, 7428]。
* **计划管理**:
    * **Plan Hint**: `/*+ ... */`语法，手动干预执行计划 [cite: 7610]。
    * **SQL Patch**: 将Hint固化到特定SQL语句上（通过Unique SQL ID） [cite: 7705, 7712]。
    * **SPM (SQL Plan Manager)**: 自动捕获、选择和演进执行计划，防止性能劣化 [cite: 7759, 7760, 7761]。

## 四、 执行器 (Executor)
* **执行模型**: 采用迭代器模型（火山模型），上层算子调用下层算子获取数据 [cite: 6414, 7955]。
* **算子类型**: 扫描算子(Scan)、控制算子(Control)、物化算子(Materialize)、连接算子(Join) [cite: 8297, 8300, 8307, 8310]。
* **向量化执行**: 将一次处理一行数据（Tuple）的模式优化为一次处理一批数据（VectorBatch），大幅减少函数调用开销，提升CPU缓存效率 [cite: 8460, 8462, 8463]。
* **PBE (Parse-Bind-Execute)**: 用于预编译语句（Prepared Statement），减少重复解析开销 [cite: 8469]。
    * **CPlan (Custom Plan)**: 每次执行都根据具体参数重新生成计划，计划最准但有开销 [cite: 8479]。
    * **GPlan (Generic Plan)**: 使用通用计划，可被复用，无生成开销但可能因参数变化导致计划非最优 [cite: 8479]。
    * **策略**: 默认前5次执行生成CPlan，第6次生成GPlan并与CPlan平均代价比较，决定后续策略 [cite: 8481]。

---

# 7. GaussDB 内核原理 - 存储引擎

## 一、 数据与文件管理
* **存储格式 (Astore vs Ustore)**:
    * **Astore (Append-update)**: 更新操作是在页面追加新版本元组，并将旧版本标记为删除。适合插入密集型场景 [cite: 13404]。
    * **Ustore (In-place update)**: 更新操作在原元组位置上直接修改，并将旧版本信息存入**Undo空间**。垃圾数据集中管理，性能更平稳，适合更新密集型场景。**Ustore是默认引擎** [cite: 13367, 13403]。
* **文件管理方式**:
    * **页式管理**: 一个数据库对象（如表、索引）对应一个数据文件。在对象数量巨大（如大量分区表）时，会产生过多物理文件，影响性能 [cite: 13801, 13861]。
    * **段页式管理**: 多个数据库对象（段）共享一个数据文件。通过Segment、Extent、Page等多级结构管理空间，有效解决了“文件数过多”的问题，**适用于分区表或HashBucket表等场景** [cite: 13870, 13863, 13865]。

## 二、 索引 (Index)
* **B-Tree索引**: GaussDB主要支持的索引类型 [cite: 14135]。
* **索引扫描方式**:
    * **Index Scan**: 通过索引找到元组位置(TID)，再回表查询数据 [cite: 14232]。
    * **Index Only Scan**: 查询所需数据全部在索引中，无需回表 [cite: 14233]。
    * **Bitmap Scan**: 适用于多个索引条件组合查询。先通过每个索引生成一个位图，然后对位图进行AND/OR运算，最后统一回表 [cite: 14235, 14236]。
* **分区表索引**:
    * **LPI (Local Partition Index)**: 每个分区上独立建一个索引，维护成本低 [cite: 14401]。
    * **GPI (Global Partition Index)**: 在整个表上创建一个跨所有分区的全局索引，适合跨分区查询 [cite: 14400]。

## 三、 日志管理 (WAL)
* **WAL (Write-Ahead Logging)**: 预写日志机制。任何数据修改前，必须先将描述该修改的日志记录写入持久化存储，以此保证事务的持久性(Durability)和原子性 [cite: 14790, 14847]。
* **检查点 (Checkpoint)**: 定期将内存中的脏页刷盘，并记录一个恢复点。当数据库崩溃重启时，只需从此检查点开始重放WAL日志即可，大大缩短恢复时间(RTO) [cite: 14981]。
    * **全量检查点**: 刷盘期间I/O压力大，易产生业务抖动 [cite: 15001]。
    * **增量检查点**: 通过后台线程平滑、持续地刷脏页，业务更平稳，RTO更短。**GaussDB默认使用增量检查点** [cite: 15020, 15022]。
* **极致RTO**: 通过建立多级日志回放流水线，将备机日志回放并发度提高到页面级，使主备切换后备机能在10秒内接管业务 [cite: 14675]。

## 四、 事务管理
* **ACID**: 原子性(Atomicity)、一致性(Consistency)、隔离性(Isolation)、持久性(Durability) [cite: 14799]。
* **并发控制**:
    * **MVCC (多版本并发控制)**: 解决**读-写冲突**。写操作会创建新版本的数据，读操作访问旧版本的数据，两者互不阻塞 [cite: 15075, 15076, 15077]。
    * **2PL (两阶段锁)**: 解决**写-写冲突**。并发的写事务在修改同一行记录时，必须通过锁机制进行排队等待 [cite: 15161]。
* **快照与可见性**:
    * GaussDB使用**CSN (Commit Sequence Number)**时间戳法来确定事务的快照。每个读事务获取一个快照时间戳，只能看到在该时间戳之前已提交的事务所做的修改 [cite: 15100, 15103]。
* **锁机制**:
    * **常规锁**: 表级锁（1-8级），用于控制DDL、DML等操作的并发 [cite: 15175, 15176, 15177, 15178, 15179, 15180, 15182, 15183]。
    * **轻量级锁 (LWLock)**: 用于保护共享内存等内部数据结构的短期访问，无死锁检测 [cite: 15213, 15215]。
* **分布式事务**:
    * 当一个事务修改了不同DN上的数据时，会产生分布式事务 [cite: 15340]。
    * 通过**两阶段提交协议 (2PC)**保证其原子性 [cite: 15342]。
    * **GTM-Lite**: 高性能全局事务管理器，通过线程池、原子CSN分配等技术，避免GTM成为单点性能瓶颈 [cite: 15383]。

---

# 8. GaussDB 内核原理 - 数据库智能化领域

## 一、 DBMind (自治运维平台)
* **架构**: 由采集组件(exporters)、时序数据库(TSDB)、元数据库和DBMind Service组成 [cite: 105, 120, 134, 136]。
* **自监控**:
    * **智能巡检**: 支持29项巡检，输出健康评分 [cite: 202, 205]。
    * **指标异常检测**: 基于10种统计学算法（如阈值、均值漂移、分位数检测）自动发现指标模式异常 [cite: 239]。
* **自诊断**:
    * **慢SQL诊断**: 使用**KNN算法**对慢SQL进行根因定位，准确率达99%以上 [cite: 570, 587]。
    * **集群异常诊断**: 基于海量现网日志数据预训练的**XGBoost决策树模型**，秒级定位集群异常根因 [cite: 613]。
* **自优化**:
    * **索引推荐**: 基于Workload，利用**虚拟索引**进行代价分析，推荐最优索引组合 [cite: 816, 817]。
    * **分布键推荐**: 针对分布式场景，基于图算法推荐最优分布键 [cite: 881, 882]。
    * **参数调优**: 结合**深度强化学习**和全局优化算法，自动推荐参数配置 [cite: 934]。

## 二、 ABO (智能优化器)
* **多列统计信息基数估计**: 传统优化器假设列独立，导致多列条件查询基数估算不准。ABO使用**Chou-Liu树算法（贝叶斯网络）**拟合数据分布，更准确地估计多列相关性 [cite: 1129]。
* **基于实时反馈的自适应计划选择**:
    * **原理**: 收集SQL执行后的真实信息（如算子返回行数），与优化器的估算值进行对比 [cite: 1194, 1208, 1209]。
    * **计划演进**: 当发现基数/代价估算存在较大偏差时，后端线程会训练模型或校准代价参数，在后续查询中生成更优的计划 [cite: 1195, 1271]。
* **智能缓存计划管理 (APlan)**:
    * **问题**: 通用缓存计划(GPlan)对数据倾斜场景不友好，一个计划可能不适用于所有参数 [cite: 1333]。
    * **解决方案**: **缓存多个计划版本 (APlan)**。执行时根据入参计算选择率特征，快速匹配到最合适的已缓存计划 [cite: 1340]。

## 三、 DB4AI (内置AI计算底座)
* **目标**: 数据不出库即可完成数据分析和AI模型训练/预测，消除数据搬运环节 [cite: 1650]。
* **核心语法**:
    * **`CREATE MODEL`**: 训练模型 [cite: 1670]。
    * **`PREDICT BY`**: 使用已训练的模型进行预测 [cite: 1672]。
    * **`gs_explain_model`**: 查看模型信息 [cite: 1673]。
* **原理**: 用户通过SQL语法触发AI任务，执行器调用DB4AI算法库中的函数进行计算。训练好的模型保存在系统表`gs_model_warehouse`中 [cite: 1716, 1726, 1730]。
* **分布式执行**: 对于迭代式算法，执行计划中会增加**物化算子**来缓存数据，加速迭代；通过**Broadcast**算子在各DN间同步梯度等模型信息，保证各节点模型最终一致 [cite: 1718, 1788]。

---

# 9. GaussDB 内核原理 - 公共组件

## 一、 集群管理 (CM)
* **核心组件**:
    * **cm_server (CMS)**: 服务端，作为仲裁中心和全局配置中心，通过ETCD实现主备和自选主 [cite: 8644]。
    * **cm_agent (CMA)**: 部署在每个节点，负责管理本节点实例的状态检测、上报和命令执行 [cite: 8646]。
    * **om_monitor**: 保活进程，负责保障本节点CMA和ETCD进程的健康 [cite: 8648]。
* **启停流程**: 通过在`$GAUSSHOME/bin`目录下创建或删除`cluster_manual_start`和`etcd_manual_start`文件来控制om_monitor和cm_agent的行为，从而实现对整个集群的启停控制 [cite: 8718, 8719, 8738, 8739]。
* **监控**: CMA负责对实例（DN/CN/GTM）、网卡、磁盘、端口等进行状态检测和通用检测，并将信息上报给CMS [cite: 8841, 8843, 8845, 8847, 8848, 8854, 8856, 8859]。

## 二、 集群仲裁
* **DN仲裁模式**:
    * **Quorum模式**:
        * 由**CMS作为中心化仲裁** [cite: 8879]。
        * 原理: `W + R > N` (写入副本数 + 读取副本数 > 总副本数)，保证多数派中一定包含最新数据 [cite: 8892]。
        * 缺点: RTO较大，依赖ETCD等第三方组件 [cite: 9105, 9107]。
    * **DCF模式 (Paxos协议)**:
        * **DN自仲裁**，DCF模块集成在每个DN中 [cite: 8959, 8960]。
        * 原理: 基于Paxos共识算法，节点间心跳超时后自动发起选举，获得多数派投票的节点成为新主 [cite: 9047, 9050]。
        * **优势**:
            1.  **RTO小**（默认3秒超时，6秒以下可完成切换） [cite: 9106]。
            2.  **简化部署**，无需ETCD等第三方仲裁组件 [cite: 9107]。
            3.  **避免不必要的build**，新主会自动修复旧主的日志分叉，保证强一致性 [cite: 9126]。
* **CN/GTM仲裁**:
    * **CN故障**: 当CM检测到某个CN连续故障（默认25s），会将其从集群中**剔除**（更新pgxc_node），保证DDL等操作不受影响。故障恢复后可自动加回 [cite: 9132, 9141]。
    * **GTM故障**: CM检测到主GTM故障后，会将备GTM提升为主（failover/switchover），并通知所有CN更新连接 [cite: 9161, 9168, 9171, 9176]。

## 三、 高可用特性
* **Logger节点**: 一种轻量化数据库节点，只接收日志，不存储数据表，不做回放。用于在保证RPO=0的前提下，以更低的资源成本（相比标准备机）凑足Quorum或Paxos的多数派 [cite: 9297]。
* **自动升降副本**: 当某个副本故障，CMS会自动将其从同步列表中移除（降副本）；当它恢复后，会自动进行数据重建并加回到同步列表（升副本） [cite: 9302, 9358]。
* **AZ网络隔离仲裁**: 当发生AZ间的网络分区时（单边或双边隔离），集群能够通过仲裁机制判断哪个分区拥有多数派，并让该分区继续提供服务，隔离少数派分区以防脑裂 [cite: 9470]。

FYF

导航1234

最近发表

友情链接