Redis双活切换平台建设
背景
随着公司目前整体双活能力的建设完成，需要对Redis组件的双活能力进行演练和验证。但在实际生产环境中，面对如此大规模的Redis集群，演练过程中几个关键问题仍然存在：主从切换时间长、系统高可用要求高、运维流程复杂，并且在Redis集群切换过程中涉及到内存数据的同步，直接影响到业务系统的稳定性。
因此急需对Redis集群的双活切换操作进行自动化平台建设，简化运维操作流程，精细化管控切换细节，提升整体的切换效率，保证双活演练稳定和高效的开展。
架构简介
目前生产业务的Redis集群已完成了双活的建设，集群整体架构为:
- Master （主机房） - Slave （主机房） - Slave (备机房）
双活切换后整体架构变为:
- Master (备机房) - Slave （主机房） - Slave (主机房)
Master节点从主机房切换为备机房， 整体由备机房提供服务，验证备机房的redis主节点能否撑住整体业务，以达成双活演练的目的。
手动演练流程
存在的痛点：
手动操作的演练过程中，实际遇到了以下问题：
- 编排计划需要对大量集群进行统计和分组，导致耗时长、操作复杂。
- 脚本执行涉及大批量数据，失败问题难以定位，且在紧急情况下难以进行回滚。
- 执行过程缺乏可控性，大集群切换时，失败率较高。
双活切换自动化
为了解决以上痛点，我们通过自动化平台，将redis双活切换自动化：
- 集群数据自动编排分组,降低编排难度
- 对编排后集群分组进行一键双活切换，简化运维操作，精细化管控操作过程
- 集群切换一键回滚，把控切换风险
集群数据自动编排分组
- 申请页面可进行集群数据的选择，按 业务线、集群、全部的集群范围进行选择。通过设置集群并行内存限制数和集群并行数量，进行执行过程的并发量控制。
2. 集群按实例容量范围和主节点范围进行集群分布，将各范围集群划分到各个执行组中，按组维度进行执行。
3. 数据准备完成，展示整体的执行编排计划、分组数据以及整体集群切换计划执行时长。
切换时间预测
分组执行
点击确认执行，组状态变为执行中；按组的规则限制，自动拉取【未开始】的集群列表，状态变为【切换中】；集群并发限制遵循编排规则，可支持集群间（集群并行数量限制）【并发】切换；集群实例间【串行】执行主从切换操作。
页面效果：
- 执行组详情页面可快速查看失败的集群和失败原因，使执行过程可视化。
- 集群实例切换详情，可实时观测切换前后实例所属机房和节点角色变化情况，以及执行详情记录、执行时长和节点切换状态的展示
一键回滚
点击一键回滚后，组内【切换成功】或 【切换中】的集群会按并发限制进行回滚，回滚时也遵循并发执行规则，在紧急或正常情况下，都能执行集群的回滚操作，降低业务风险。
回滚流程：
页面效果：
整体效果
平台投入双活演练使用以后，极大降低了运维人员的操作难度，实现了Redis集群双活一键切换的目标。整体切换过程可视化程度极大提高，切换成功率稳定在100%；重试、回滚功能的增加，使切换风险也得到有效控制；切换时长精度控制在秒级别，半小时内高效安全完成切换，为双活演练的顺利完成保驾护航。
未来展望
后续会继续实现 mq 、kafka、db等组件的自动切换流程，实现各组件的全流程自动切换，使双活演练更安全、高效的进行。
作者介绍
sl 后端研发专家；msq 基础架构研发专家
招聘信息
拍码场