运维与容灾
调优带来速度；运维让你活着。本节是 运维手册 —— 什么会坏、坏了什么样、究竟该怎么办。
先搞懂机制
- Aeron® Cluster 与 Raft 共识 —— 共识模型、五项安全保证，以及 follower 到底是怎么重新加入的。
- 客户端与集群的通信流程 —— ingress、egress、会话，以及故障切换时客户端看到什么。
- Archive 持久化与回放 —— sync level、回放、实时跟随、replay merge。
设计部署形态
- 集群部署位置：如何选 AZ 拓扑 —— 分级拓扑及各自的 RPO/RTO。
- Cluster Standby 与跨 AZ 高可用设计 —— Premium 的无延迟惩罚 HA：standby 快照、原地身份切换。
- Leader 位置与首选 leader 控制 —— 把 leadership 钉在你想要的地方。
- Aeron® Cluster 的扩展性 —— 什么能扩、什么不能，以及为什么答案通常是 3 个节点。
在线状态下动它
- 跨区域迁移在线 Aeron® 集群 —— 逐节点 vs 整集群切换，附实测停机时间。
- 调优集群故障切换时间 与 调优优雅让位时间 —— 压缩选举与重指向这两段预算。
出问题的时候
- 故障模式运维手册 —— 节点、网络、磁盘 · 快照与确定性 · 客户端、运维、资源 · 跨 AZ 与 Aeron® 边界情况。
- 快照失败与恢复 —— 打快照中途被杀、快照损坏、
invalidate-latest-snapshot、清空重放。 - 备份与灾难恢复 —— 按影响范围分级的 DR，以及 Cluster Backup（OSS）对比 Cluster Standby（Premium）。
- Archive 保留与清理 —— 在不毁掉任何恢复路径的前提下，到底能删多少 log。
故障模式速查
Section titled “故障模式速查”| 场景 | 数据丢失 | 可用性 | 处置 |
|---|---|---|---|
| 单 follower 崩溃 | 无 | 无（quorum 仍在） | 重启；自动追赶 —— 快照恢复 |
| 单 leader 崩溃 | 未提交消息 | 短暂（选举） | 等待自动选举；重启节点 —— 调优切换时间 |
| 少数派崩溃 | 无 | 无 | 尽快重启以恢复容错能力 —— 基础设施手册 |
| 多数派 / 失去 quorum | 未提交消息 | 完全不可用 | 手动：恢复 quorum，再打快照 + 日志 —— 跨 AZ 手册 |
| 全节点崩溃 | 可能 | 完全不可用 | 冷启动；回放快照 + 日志；否则用外部备份 |
| 节点太滞后、追不上 | 无 | 无（就是加不进来） | 比较 L 与 P；直接重建而不是重试 —— 保留与清理 |
本站与 Adaptive Financial Consulting Limited 或 Aeron 项目无任何关联，未获其背书或赞助。 Aeron 是 Adaptive Financial Consulting Limited 的注册商标。
Aeron 是 Adaptive Financial Consulting Limited 在英国及其他国家/地区的商标。