线上48组nodes一组db0101主库down了之后的failover处理过程
 
路上接到call,db0101 Down了,报错现象:
(1) 应用页面500,503,504 Error 错误
(2) email报警db0201 is down now!
 
1 症状初步判断
赶快ping 20.222.21.173, 报unreachle的错误. 赶紧call 系统管理员以及硬件工程师,让他们登陆物理主机看看出了什么故障.
 
这里赶紧去mmm control服务器去看看状况如何?
[nova@db0203 ~]$ sudo -u mmmd mmm_control show
# Warning: agent on host db1 is not reachable
  db1(20.222.21.173) master/HARD_OFFLINE. Roles: reader(20.222.22.57), writer(20.222.22.56)
  db2(20.222.22.145) master/ONLINE. Roles: reader(20.222.22.58)
master/HARD_OFFLINE,猜测应该是硬件介质故障导致的.
 
2  紧急failover,恢复应用
由于应用页面报错,而且db0201已经down了,所以需要马上做failover操作,尽快切到db0202上面去,下面手动切换。
[nova@db0203 ~]$  sudo -u mmmd /usr/sbin/mmm_control move_role writer db2
OK: Role 'writer' has been moved from 'db1' to 'db2'. Now you can wait some time and check new roles info!
[nova@db0203 ~]$ sudo -u mmmd mmm_control show
# Warning: agent on host db1 is not reachable
  db1(20.222.21.173) master/HARD_OFFLINE. Roles: reader(20.222.22.57)
  db2(20.222.22.145) master/ONLINE. Roles: reader(20.222.22.58), writer(20.222.22.56)
 
it is ok,看到已经切换到了db0202上面去了,writer已经指向了db0202,页面也没有报错了,而且登陆db0202,执行show full processlist; 看到已经有500多个client connection了,表示应用已经切换到db0202上面。
 
3  重新做failover的疑惑?
failover之前需要做什么事情? 需要等待吗?还是直接执行failover就可以了? 这是一次线上操作,没有可以借鉴的,我这里是直接执行failover操作了。
执行时间:18:45
执行命令:sudo -u mmmd /usr/sbin/mmm_control move_role writer db2
 
 
过了一个小时,sa以及hard engineer已经检查完物理主机了,是out of memory了,所以默认就kill了战局内存最大的mysql了。他们调整了参数设置以及保护措施(具体细节不是太懂)
 
4 设置db1 online
等db0201服务器启动之后,需要手动开启replication,手动执行start slave; replication正常开始同步数据。再去check下mmm状态
[nova@db0203 ~]$ sudo -u mmmd mmm_control show
  db1(20.222.21.173) master/AWAITING_RECOVERY.Roles: reader(20.222.22.57)
  db2(20.222.22.145) master/ONLINE. Roles: reader(20.222.22.58), writer(20.222.22.56)
看到这个awaiting_recovery,不要慌,这是因为介质故障,所以虽然mmm_control监控到了db1,但是它不会把db1设置成online的,需要我们自己去判断db1是否正常,如果正常,我们可以自己把db1设置成online,这也算是mmm的一个谨慎的地方吧。所以我这里check完db1之后,发现db1的replication正常后,就可以设置db1 online了。
执行命令:sudo -u mmmd mmm_control set_online db1
看到   db1(20.222.21.173) master/ONLINE. Roles: reader(20.222.22.57),  OK,db1已经online了
 
5 Change writer from db2  to db1  
之后检查db1和db2双master运行一段时间,大概monitor20分钟后,就可以执行切换操作了,毕竟db1是ssd,db2是普通介质。
[nova@db0203 ~]$ date
Thu Sep  5 12:11:02 GMT 2013
[nova@db0203 ~]$ sudo -u mmmd /usr/sbin/mmm_control move_role writer db1
OK: Role 'writer' has been moved from 'db2' to 'db1'. Now you can wait some time and check new roles info!
[nova@db0203 ~]$ sudo -u mmmd mmm_control show
  db1(20.222.21.173) master/ONLINE. Roles: reader(20.222.22.57), writer(20.222.22.56)
  db2(20.222.22.145) master/ONLINE. Roles: reader(20.222.22.58)
看到db1已经成为了writer了。