## MYSQL 高可用方案探究 1 前言.....3 2 Lvs+Keepalived+Mysql 单点写入主主同步高可用方案.....3 2.1 方案简介.....3 2.2 方案架构图.....3 2.3 方案优缺点.....4 2.4 方案实战.....4 2.4.1 适用场景.....4 2.4.2 实战环境介绍.....4 2.4.3 Mysql 的安装和配置 backup 的 realserver 的配置.....7 2.4.9 Master 和 backup 的启动.....8 2.4.10 高可用方案测试.....9 3 Lvs+Keepalived+Mysql 单点写入读负载均衡主主同步高可用方案.....9 3.1 方案简介.....9 3.2 方案架构图.....9 3.3 方案优缺点.....9 3.4 适用场景. 11 3.5.7 Master 和 backup 的 realserver 的配置.....15 3.5.8 Master 和 backup 的启动.....16 4 Heartbeat 高可用 Mysql 主主同步方案.....16 4.1 方案简介.....16 4.2 方案优缺点.....16 4.3 方案架构图.....17 4.4 适用场景.....17 4.5

## Service Mesh 高可用在企业级生产中的实践 罗广明 百度高级研发工程师 · 罗广明、百度高级工程师 - ServiceMesher 社区（servicemesher.com）治理委员会核心成员 - 云原生社区（cloudnative.to）联合创始成员 - 百度云智学院认证讲师 - 目前在「百度云云原生团队」负责微服务治理与相关中间件研发 - 对云原生架构与技术、研发流程、团队文化有深入研究，对 应用的互通、共治 /02 注册中心与高可用方案 ## /03 通过治理策略保证服务高可用 ## Service Mesh 与 Spring Cloud 应用的互通、共治 ## 优点 微服务架构的集大成者 - 轻量级组件 - 开发灵活、简便 • 社区生态强大、活跃度高 ## 缺点 - 仅适用于 JAVA 应用、Spring Boot 框架 - 侵入性强 - 升级成本高、版本碎片化严重 - 内容多、门槛高 内容多、门槛高 • 治理功能仍然不全 ## 优点 微服务治理与业务逻辑解耦 - 异构系统的统一治理 - 三大技术优势： • 可观察性 • 流量控制 · 安全 ## 缺点 • 增加了复杂度 • 整体链路的复杂度 • 操作运维的复杂度 • 需要更专业的运维技能 · 带来延迟 · 平台的适配 ## I stio-Handbook : Service Mesh

## 使用微服务架构快速开发万级TPS高可用电商系统 git clone https://github.com/alec-z/servicecomb-samples cd servicecomb-samples/houserush/script/docker docker-compose up ## 什么是微服务架构？ 一个既“简单”的又“强大”的后端架构模式。 ## 简单： 每个服务相对较小并比较容易开发维护。 Demo也可以作为生产系统的一部分 ## 强大： 使大型的复杂应用程序可以持续的交付和持续的部署。 • 更容易测试 更容易对已有大型系统进行修改和扩展 • 容易进行的性能优化 • 更高的可用性 • 更容易的进行性能伸缩性 ## Demo简介 从一个简单的电商Demo开始。 背景：开发商开盘时，让客户“抢购”其当前推售的所有房源，先抢到先得。 客户管理 customer- manage 网关 a) 路由 b) 黑白名单 c) 和认证鉴权集成 ## 服务间的通信 背景：为什么服务间通信重要？ • 每个微服务有自己的数据库（层） 服务架构应用的质量很大程度取决于服务的拆分的高内聚，低耦合，不了解服务间通信，无法做出高质量的拆分。 不同的业务，涉及的不同服务间通信有不同的要求 1. 关注事务性要求（ACID） 2. 关注对性能的要求 举例：客户维护和订单是2个微服务

Curve元数据节点高可用 • 1. 需求 • 2. 技术选型 • 3. etcd clientv3的concurrency介绍 • 3.1 etcd clientV3的concurrency模块构成 • 3.2 Campaign的流程 • 3.2.1 代码流程说明 • 3.2.2 举例说明Campagin流程 • 3.3 Observe的流程 4. MDS使用election模块的功能进行选主 常 4.2.7 各情况汇总 ### 1. 需求 mds是元数据节点，负责空间分配，集群状态监控，集群节点间的资源均衡等，mds故障可能会导致client端无法写入。 因此，mds需要做高可用。满足多个mds，但同时只有一个mds节点提供服务，称该提供服务的mds节点为主，等待节点为备；主节点的服务挂掉之后，备节点能启动服务，尽量减小服务中断的时间。需要解决的问题就是：如何确定主备节点。 大家熟知的就是zookeeper和etcd，考虑当前系统中mds有两个外部依赖模块，一是mysql，用于存储集群拓扑的相关信息；二是etcd，用于存储文件的元数据信息。而etcd可以用于实现mds高可用，没必要引入其他组件。 使用etcd实现元数据节点的leader主要依赖于它的两个核心机制：TTL和CAS。TTL(time to live)指的是给一个key设置一个有效期，到期后key会

## 金融级云原生 PaaS 探索与实践 王成昌（晙曦）蚂蚁金服技术专家 ## 目录 contents 一、业务背景 二、多集群管控 三、发布运维体系 ## 一、 业务背景 ## 业务架构 演进 容量 应用|数据库|机房 容灾 机房|地域  ## 业务架构 单元化 高可用 • 一致性 • 可扩展 • 高性能  ## 业务诉求 • 运维成本 突发流量应用 | 机房 生命周期 • 运维效率 大规模下基础设施稳定性 • 业务 Mesh 能力 面向多租户多环境； • 基础资源管控; • 应用发布运维体系； • 业务实时监控，日志收集； • 机房级和地域级容灾能力； ## 云原生 PaaS 产品架构方案 业务架构 同城双活架构 两地三中心架构 异地多活架构 产品层 跨机房和地域统一应用运维 分钟级容灾切换和恢复 全面变更风险管理 无限弹性可扩展 核心流程 蓝绿发布 弹性建站/下站 PaaS 核心层

/p1_1.jpg) QCon 全球软件开发大会 INTERNATIONAL SOFTWARE DEVELOPMENT CONFERENCE BEIJING 2017 # 高性能高可用机票实时搜索系统 去哪儿网 梁启康 ## 议题 系统诉求 海量数据 设计思路 搜索框架 报价引擎 待解问题 ## 系统诉求 - 全网价最低 • 航线报价最全 - 实时性最好 • => 索引库 - 规则库写入量大，集群峰值达20K TPS · 要求同步延迟很低，不超过60s - 保持顺序一致性，如果先删后插变成先插后删，数据会不一致 · 数据最终一致 · 系统高可用 规则库 供应商 A 供应商 B DB Sync 供应商 M 索引库 北京 | 上海 成都 | 杭州 广州 | 郑州 南宁 | 天津 ## 报价引擎 — 数据同步 按 DataSync Canal Pipeline 解析 拆分 分配 入队 PEK-SHA CAN-NNG ZK Diff 按航线分表 ## 报价引擎 一 同步系统高可用 DB主主DB主 DB备B备备 Canal 主 Canal 土 Canal 备 Canal 备 DataSync DataSync DataSync DataSync ZK 入库

# MySQL協助您搭建全方位的高可用應用 杜修文 甲骨文全球事業部 ## 安全港声明 以下内容旨在阐明产品的整体方向。该内容仅供参考，不可纳入任何合同。该信息不承诺提供任何资料、代码或功能，并且不应该作为制定购买决策的依据。本文档所述的 Oracle 产品的任何特性或功能的开发、发行和时间规划均由 Oracle 自行决定。 ## MySQL 高可用性解决方案  ## 支持高可用性的各个层 并不仅仅是可靠地存储数据 冗余应用服务器 数据的冗余访问路径  数据路由 数据冗余存储 ## 支持高可用性的各个层 并不仅仅是可靠地存储数据 冗余应用服务器 继日志中 - SQL 线程：读取从数据库的中继日志中的复制事件，然后将其应用到从数据库 ## 为何进行复制？ - 将数据库从 “主服务器” 复制到 “从服务器” – 数据的冗余副本奠定了高可用性的基础 – 通过在复制场中进行分布式查询来扩展 ![Image](/uploads/documents/4/8/4/c/484c9d62390ce6f7d8cf5e435c4c269f/p7_1

## caicloud 才云 ## 在 k8s 上部署高可用的 service mesh 监控 唐鹏程才云科技 pctang@caicloud.io ## TOC • Old-school monitoring • Solving issues in a new way • Monitoring your service mesh ## Prometheus + Kubernetes

## 高可用分布式流数据存储设计 李玥 京东集团 技术架构部 架构师 ## TGO鲲鹏会 汇聚全球科技领导者的高端社群 全球12大城市 850+高端科技领导者 使命 Mission 为社会输送更多优秀的 科技领导者 ## 愿景 Vision 构建全球领先的有技术背景 优秀人才的学习成长平台  ## 自我介绍 ## 李玥 京东集团 技术架构部 架构师 负责主导设计新一代京东消息中间件系统，专注于流数据的一致性分发和可靠存储、分布式实时计算和高可用分布式系统架构等技术领域。 从事互联网研发、架构10余年，曾在浪潮集团、当当网等公司从事架构相关工作。2017年加入京东，期间提升京东商城相关系统的性能和吞吐量数倍。 目前致力于推进京东基础架构技术的创新、对外赋能与开源。 ## 存储结构设计 512K 512K 1024K 512K 1024K ## 缓存 堆外内存 异步预加载 读写共页 PLRU淘汰策略 Cache ## File ## 高并发 ≠ 高性能 ## 减少等待 异步: Future, Callback, React框架 流程拆分 减少锁：CAS原语 减少锁等待: 读写锁, 细粒度锁 ## 写入数据流程 Follower