YashanDB V23.5：YAC高可用全面升级，全库闪回、SCAN与VIP、主备自动切换……

*作者：马志宏 YashanDB高可用架构师

核心业务的规模化部署，本质上是对“高可用”的极致考验，任何一层的故障都可能导致业务中断、数据丢失，唯有构建覆盖从客户端链接到底层存储的全链路高可用体系，才能让企业真正放心托付。

YashanDB V23.5以“驱动崖山共享集群YAC全面迈向规模化商用”为核心定位，对连接层、服务层、存储层的高可用能力深度升级，并持续优化主备模式性能，既筑牢故障防护的“安全网”，又打破性能损耗的“天花板”，为企业核心业务提供“业务永续、数据安全、性能稳定”的共享集群解决方案。

图1  崖山共享集群YAC高可用总览

连接层高可用升级

新增SCAN与VIP

过去，实现连接层高可用往往依赖于传统方式，如同驾驶一辆“手动挡”汽车，客户端需要手动配置所有节点地址，故障切换慢，扩容运维繁琐，严重影响业务连续性。YashanDB V23.5 引入了SCAN（单客户端访问名称）与VIP（虚拟IP）两大机制，实现了从“手动挡”到“自动驾驶”的体验跃迁，也是国内首个实现类Oracle SCAN机制的数据库产品。

​

一、VIP实现“自动挡”式的故障切换

• 传统连接方式：通过TAF+多IP的方式实现连接的自动故障转移，但存在明显缺点——每次连接都会尝试重连故障节点，失败后才能连接到存活节点，整个过程耗时较长。
• VIP方式：当服务器故障时会快速触发VIP漂移，将连接转移至可用节点。即使有服务器故障，新的连接也能直接连接到存活节点，不用经历TAF试错步骤，连接速度更快，保障业务快速恢复。

​

二、SCAN提供“自动驾驶”级别体验

之前的连接方式还存在两个突出问题：一是扩容时需要手动更新客户端配置，才能让客户端访问到新增的实例，维护成本高；二是负载均衡依赖于应用层，无法在连接层自动处理。

SCAN特性针对性解决了这些问题，进一步升级连接层高可用能力：

• 扩容透明化：客户端仅需配置一个SCAN名称，新增实例后无需修改任何配置，后续连接可自动路由至新实例，显著降低运维成本；
• 智能负载均衡：SCAN Listener由YCS（崖山集群服务）进程接管，会定期收集所有实例的负载信息，并将连接路由至负载最低的数据库实例，实现连接层的动态负载分发。

其接入流程清晰高效：JDBC首先通过DNS服务器获取SCAN域名对应的SCAN VIP，连接至对应的SCAN listener，再由SCAN listener返回最优实例IP，最终完成二次连接建立。

图2  SCAN透明接入示意图

服务层高可用升级

全库闪回+主备自动切换

一、新支持共享集群全库闪回

传统数据库恢复技术PITR（基于时间点恢复），通过全量数据库备份方式进行整库恢复，恢复时间长，且恢复效率受限于数据库大小，无法满足金融等领域“秒级恢复”的需求。

共享集群全库闪回技术实现比单机全库闪回更复杂。在共享集群架构下，每个实例都会维护自己的闪回日志，也都有自己的闪回快照点。而全库恢复的核心前提是“全局数据一致性”，如何让所有闪回快照点保持全局一致，是共享集群架构产品需突破的难题，之前仅有Oracle RAC实现了该特性。

图3  全库闪回示意图

YashanDB V23.4 LTS已实现单机全库闪回，V23.5基于闪回日志快照点技术，率先在共享集群架构中实现全库闪回能力，成为国内首个具备该能力的数据库产品，可广泛应用于误操作、备库演练、业务升级预验证等场景，大幅降低核心业务系统的运维成本与操作风险。具体实现原理如下：

1. 采用两阶段算法生成快照点，保证多实例一致性

• 阶段1：选举协调者实例，向集群内所有实例（含自身）发送广播，请求启动Redo屏障（暂停数据页修改日志写入），并收集各实例返回的当前SCN（系统改变号）；
• 阶段2：协调者汇总所有SCN后，广播统一的全局SCN，指令所有实例刷新本地SCN、生成闪回快照点，随后解除Redo屏障。

该机制强制所有实例的闪回快照点对齐至同一SCN，从根源上保障了全库闪回的全局数据一致性。

2. 优化闪回快照点机制，避免多线程并行修改冲突

YashanDB针对闪回性能做了优化，让每个实例都可以启动多个线程，并行应用闪回日志。并且在应用闪回日志的过程中，会根据目标SCN和闪回日志SCN，自动过滤掉无需恢复的页面版本。结合闪回快照点机制，可保障“同一页面最多被修改一次”，避免多个线程并发修改同一页面，各线程无需加锁，恢复效率大幅提升。

图4  两阶段闪回快照点算法示意图

PITR与全库闪回的技术对比可点击《​​YashanDB V23.4 LTS全库闪回新特性解读​​》查看。

二、支持共享集群主备自动切换

针对主集群全实例故障、存储故障等集群级问题，崖山共享集群YAC通过主备自动切换机制保障业务连续性，可以在主集群全实例故障时，自动将备集群升主，实现“故障自动接管、无需人工干预”。

• YashanDB使用OM（轻量级监控进程）对主备集群状态进行实时监控；
• 当主集群所有实例故障，且备集群无法连接主集群时，OM自动下发failover命令，让备集群升主；
• 当故障的主集群重启后，会自动降为备集群。

图5  共享集群主备示意图

YashanDB提供“零丢失模式”和“普通模式”两种共享集群主备自动切换模式，适配不同业务对数据安全与可用性的平衡需求。

（1）零丢失模式：永远保证数据不丢失，但有数据丢失风险时不可切换。

• 当主备正常连接时，会设置为最大保护模式运行，保证主集群事务提交时，Redo已经发送到备集群。当主集群故障后，备集群升主不会丢失任何数据。
• 如果主备连接不正常，此时会设置为最大可用模式，即使Redo没有发送给备集群，也不会阻塞主库事务提交。但因为有数据丢失的风险，备集群恢复Redo同步前，不能再自动切换升主。

（2）普通模式：永远保证主备可切换，但有潜在数据丢失风险。

• 该模式下数据库处于最大可用/最大性能模式。无论备集群是否收到了主集群所有Redo，只要主集群故障，备集群都会自动切换升主。
• 该模式下优先保证业务可用，但是如果发生连续多次故障和切换，可能会有数据丢失的风险。

存储层高可用升级

支持YFS磁盘级故障处理

数据的底层安全是高可用体系的根基。YashanDB V23.5在已有数据块级故障自动修复的基础上，新增YFS（崖山文件系统）的磁盘级故障处理机制，通过“软RAID（磁盘阵列）”技术全方位保障数据高可用。

• 传统方案不足：存储层高可用依赖物理RAID卡实现磁盘冗余防护，采购与维护成本高昂；或是采用简单的多副本冗余机制，虽降低了硬件依赖，但缺乏智能的故障识别与切换能力。
• YashanDB：从自研的崖山文件系统YFS入手，基于故障组架构实现“软RAID”技术，当磁盘出现离线等异常情况时，系统可智能识别故障状态并自动切换至降级高可用模式。即便在硬件故障场景下，只要存在可用数据副本，YFS就能无缝切换运行模式，无需人工干预即可确保业务连续性，从底层筑牢数据安全防线。
• 优化亮点：通过软件层面的“软RAID”技术，既能提供“硬软”双重保障能力，也能消除对高价硬件RAID的依赖，降低企业硬件采购成本；实现磁盘故障识别、副本切换的全流程自动化，业务侧无感知。

图6 崖山文件系统YFS软RAID机制示意图

主备模式性能提升

归档前后性能不降

高可用升级不会以牺牲性能为代价，YashanDB V23.5做了两项重要性能优化，实现崖山共享集群YAC主备模式性能提升，在开启实时归档后性能基本无损耗。

（1）采用实时归档技术，对归档日志IO优化，降低IO消耗

• 传统方案不足：归档日志是对redo日志进行备份，在生成过程中会产生一次读写，影响数据库性能；
• YashanDB：采用实时归档技术，在生成Redo日志的同时，直接从Redo Buffer读取日志进行归档，省去读IO环节，极大减少存储IO消耗；如果Redo Buffer里的日志被淘汰了，归档线程可用继续从Redo文件读取日志，直到Redo Buffer可用时再次从Redo Buffer中读取。
• 优化亮点：优化后，YashanDB单机和共享集群的主备性能都有显著提升，尤其是共享集群模式下，性能提升20%以上。

图7  实时归档示意图

（2）支持备库回放预读，对回放性能优化，提升同步效率

• 传统方案不足：备库回放性能对RTO和查询延迟影响大，如果回放性能跟不上，备库的Redo日志会持续积累，导致RTO越来越大，严重影响主备高可用性能。
• YashanDB：此前已实现多线程并行回放的优化，将性能瓶颈从CPU转移至IO——磁盘延迟越高，IO对回放性能的影响越明显。为此，YashanDB创新实现备库回放预读能力，通过三级流水线将“Redo分析，页面预读，Redo回放”串联起来；借助多线程预读与IO合并技术，提前将所需页面加载至Buffer中，让Redo回放变成一个纯CPU操作，不再受IO影响，性能大幅提高。
• 优化亮点：备库回放预读技术让崖山共享集群YAC的备库回放性能提升60%。且因为共享磁阵的IO延迟比本地SSD要高，该项技术对共享集群收益更大。

图8 备库回放流水线示意图

结语

全自研的技术底座赋予了崖山共享集群YAC持续迭代的底气：既实现了对国际主流产品的关键技术对标，又填补了国内共享集群在高端商用场景的能力空白。如今，YAC已具备支撑金融、电信等核心业务规模化部署的全部条件，未来，YashanDB将持续深化高可用、高性能能力，以“稳定、高效、经济、易用”为目标，为企业数字化转型与信创替代提供更坚实的数据底座。