TiDB在WPS业务双机房建设实践分享

作者介绍：曹鹏，WPS 云平台运维 Leader；肖尚武，WPS 云平台 DBA；庾俊，WPS 云文档研发 一、背景TiDB 在 WPS 使用算是国内较早的一批用户，WPS 分享业务就是在 TiDB-v2.x 稳定运行了几年。

直到 2020 远程办公爆发式增长，数据量巨大，为提高稳定性和性能，同时考虑到数据安全等方面因素，规避单机房故障导致的业务不可用风险，多机房建设及稳定性提升已然成为 WPS IT 建设中的重要指标经过 TiDB 在近几年内的快速迭代，v2.x 已是很古老的版本，新版本的特性升级在建设双机房的过程中显得更加容易落地。

业务使用场景在工作和生活中我们常需要传输各种各样的文件普通的传输方式传输时间久低效，无权限控制不安全，而分享协作它会将文件以分享方式发送给他人，减少了因文件过大带来的传输时间还可以设置好友编辑权限、有效期、自定义关闭文件的分享权限，大大提高了文件传输的安全性。

WPS 分享业务在数据库结构上有个特殊的服务，它需要在单表上使用多个维度的索引，一个表需要分别通过多字段组合来查询，而且数据量巨大，目前单表最大规模约几十亿条数据如果用传统的分库分表来设计，虽然也可以解决问题，但是会面临很多麻烦，比如代码逻辑复杂，数据冗余，数据不一致等问题，而使用 TiDB 分布式数据库就能轻松应对这些问题。

数据库对比选型的思考TiDB 高度兼容 MySQL 协议，基本可以当成 MySQL 使用；天然的分布式存储与计算分离的架构的设计，让多副本保存数据无需考虑单点问题；同时能够动态在线扩容缩容，对应用透明不影响业务，操作也相对简单。

除此之外，TiDB 官方社区活跃，文档很齐全，遇到问题时官方的响应也很及时二、环境现状2.1 现有架构TiDB 版本：TiDB-v2.x架构规模：7 台服务器，tikv 3 台高配[32C 256G 3T ***]，montior 1 台低配 [8C 64G 500G] ，pd/db 3 台中配[32C 128G 3T ***]

地区区域：IDC1 机房2.2 双 IDC 架构TiDB 版本：TiDB-v4.x架构规模：14 台服务器（7 台服务器，tikv 3 台高配[32C256G3T***]，montior 1 台低配[8C64G500G] ，pd/db 3 台中配[32C128G3T***]）*2

地区区域：IDC1（主） + IDC2（从）硬件选型：组件CPU内存硬盘类型网络实例数量TiDB|PD32 核128 GB3T ***万兆网卡6TiKV32 核256 GB3T ***万兆网卡6监控8 核

64 GB500G SAS千兆网卡2线上稳定运行一套数据库，硬件配置犹为重要按官方推荐的配置，一套生产 TiDB 集群最低配置至少要 7 个节点[DB|PD 混部]，KV 存储设备官方建议使用 NVMe 协议的 ***，不超过 2T，我们基于 QPS、数据量的增长及现有的资源，直接拉满配置，当 Region 过多产生热点问题也可在 KV 节点快速扩容，服务器、交换机均采用万兆网卡。

2.3 环境说明因为现有架构的 TiDB 版本是 2.x 版本 ，不支持 TiDB CDC 同步数据到另一个 IDC 集群，所以需要先升级版本；利用 TiDB 滚动开启 binlog，配置 Drainer 再增量同步到 TiDB-v4.x。

三、架构演变3.1 同步架构TiDB-v2 开启 binlog，设置 gc-time 720h，Dumpling 全量备份;Lightning 导入 TiDB-v4，配置 TiCDC 同步；TiDB-v2 配置 Drainer 增量同步至 TiDB-v4。

3.2 双机房高可用架构配置内部 DNS 域名指向 HAProxy 代理，两个 HAProxy 同时解析到 IDC1-TiDB 集群，当 IDC1 不可用，切至 IDC2-TiDB 集群；数据核验，包括定时核对，滚动核对；

应用切换连接域名。

四、实施步骤4.1 流程简述TiDB-v2.x 滚动开启 binlog；TiDB-v2.x 备份导出数据库，恢复到 IDC1-TiDB-v4.0 集群、IDC2-TiDB-v4.0 集群；配置 TiCDC，IDC1 增量同步数据到 IDC2-TiDB-v4.0 集群；

TiDB-v2.x 配置 Drainer 增量同步到 TiDB-v4.x；业务设置只读，检查数据一致性，指定时间核对表数据，sync-diff-inspector 滚动校验，停止 Drainer 同步，应用连接地址切换到域名："xxxx"；

测试检验业务功能模块是否正常4.2 实施步骤4.2.1 TiDB-v2.x 滚动开启 binlog修改 tidb-ansible/inventory.ini 文件设置 enable_binlog = True，表示 TiDB 集群开启 binlog。

## binlog trigger enable_binlog = True ## Binlog Part[pump_servers] pump1 ansible_host=ip1 deploy_dir

=/disk/ssd/tidb/pump pump2 ansible_host=ip2 deploy_dir=/disk/ssd/tidb/pump pump3 ansible_host=ip3 deploy_dir

=/disk/ssd/tidb/pumpCopy部署 pumpansible-playbook deploy.yml --tags=pump -l ${pump1_ip},${pump2_ip},${pump3_ip}

Copy启动 pump_serversansible-playbook start.yml --tags=pumpCopy更新并重启 TiDB_serversansible-playbook rolling_update.yml --tags

=tidbCopy更新监控信息 如果部署了 Drainer 监控无信息，需要再次更新监控信息ansible-playbook rolling_update_monitor.yml --tags=prometheus

Copy查看 Pump 服务状态，登录到 TiDB 查看 ，结果 State 为 online 表示 Pump 启动成功show pump status;Copy4.2.2 备份导入备份 TiDB 时限制内存的大小，并且指定导出的行数，防止 TiDB OOM。

./dumpling -h xxx.xxx.xxx.xxx -P 4000 -u root -pxxxxxx -r 200000 --tidb-mem-quota-query 536870912 -t

1 -F 128MB -B shared_link -o $bakdirCopy完成备份，以 local 模式分别导入 TiDB-v4.0 IDC1 IDC2 机房集群，修改 tidb-lightning.toml

nohup /opt/tidb-toolkit-v4.x-linux-amd64/bin/tidb-lightning -config tidb-lightning.toml > nohup.out &

Copy4.2.3 TiDB-v2.x 配置 Drainer 增量同步到 TiDB-v4.xinitial_commit_ts 可以在导出目录中找到 metadata 文件，其中的 pos 字段值即全量备份的时间戳

修改 tidb-ansible/inventory.ini 文件为 drainer_servers 主机组添加部署机器 IP[drainer_servers] drainer_tidb ansible_host

=ip1 initial_commit_ts="xxxx"Copy配置增量同步到下游 wq 集群 TiDB-v4.x cd /srv/tidb-ansible/conf cp drainer.toml drainer_tidb_drainer.toml detect-interval

=10[syncer] ignore-schemas ="INFORMATION_SCHEMA,PERFORMANCE_SCHEMA,mysql,test" txn-batch =20 worker-count

=16 disable-dispatch =false safe-mode =false db-type ="TiDB" replicate-do-db =["xxxx"]#只同步需要迁移的db[syncer.to

]host="xxx.xxx.xxx.xxx" user ="root" password ="xxxxxx" port =4000Copy部署 Draineransible-playbook deploy_drainer.yml

Copy启动 Drainer ansible-playbook start_drainer.ymlCopy更新监控信息,再次更新监控信息ansible-playbook rolling_update_monitor.yml --tags

=prometheusCopy4.2.4 数据校验数据同步配置好下一步就是核验数据的一致性，TiDB 不像 MySQL 可对比 binlog+pos 点确认数据一致性，对比两个 TiDB 集群的数据也没有太多的经验，开始我们采用比较原始的方法，写脚本对比表的数据量，业务空闲时定期去跑，指定 TSO 点去统计校验，也不好拿到一致性，从统计的数据看或多或少有些差异。

后来换一种思路，TiDB 上游设置只读快速去核对，但翻了下官档没有找到；官网提供的 sync-diff-inspector 有些限制，不支持在线，滚动只支持表 range，具体参考：https://docs.pingcap.com/zh/tidb/stable/sync-diff-inspector-overview

切换的时候我们研发开发了应用可设置只读的方式，采用了核心表的范围校验 sync-diff-inspector + 脚本统计数据核对，这套组合下来没有问题，我们认为数据是一致性的五、TiDB-CDC 双机房实践。

5.1 配置 CDC 同步TiCDC 是一款通过拉取 TiKV 变更日志实现的 TiDB 增量数据同步工具，具有将数据还原到与上游任意 TSO 一致状态的能力，这边主要用于 IDC1-TiDB 集群实时同步数据至 IDC2-TiDB 集群

tiup ctl cdc changefeed create --pd=http://ip1:2379 --sink-uri="TiDB://root:xxxxx@xxx.xxx.xxx.xxx:4000/?worker-count=16&max-txn-row=20000"

--changefeed-id="simple-replication-task"#创建同步 tiup ctl cdc changefeed list --pd=http://ip1:2379 #查看同步ID

tiup ctl cdc changefeed query -s --pd=http://ip1:2379 --changefeed-id=simple-replication-task #查看同步状态

tiup ctl cdc changefeed query --pd=http://ip1:2379 --changefeed-id=simple-replication-task #查看详细配置Copy

5.2 TiDB-CDC 测试场景TiDB 4.0 开启 CDC 同步后，压测脚本持续写入数据到主节点cdc 重启反复 kill cdc 进程脚本持续写入更新 停 cdc 进程一小时，重启 tidb follower

tidb follower 停机一小时重启 tidb masteriptable 断网结论：TiCDC 无大事务，数据同步的延迟基本在秒级别，同步结束后检查数据一致性5.3 HAProxy代理部署配置参考官方：。

https://cn.pingcap.com/blog/best-practice-haproxy下面简述下 HAProxy 冷切、热切的方式：冷切换代理至 IDC2 机房 TiDB 集群，修改配置直接重启 HAProxy

unlink haproxy.cfg ln -s hw-haproxy.cfg haproxy.cfgCopy 重启 HAProxysystemctl stop haproxy.service systemctl start haproxy.service

Copy热切：修改好配置文件先重启 IDC2 的 HAPoxry 热加载配置文件 修改 HAProxy 的代理端口 重启 IDC2 的 HAProxy 生效 pkill haproxy haproxy -f /etc/haproxy/haproxy.cfg -p /var/run/haproxy.pid -sf

$(cat /var/run/haproxy.pid)Copy 3. 在 IDC1 节点 pkill haproxy ，修改配置文件一致性，再启动六、总结遇到的问题1.导出大规模数据时的注意配置 TiDB GC，Dumpling 备份大表 TiDB OOM

处理方式：备份前设置 GC 时间：update mysql.tidb set VARIABLE_VALUE =720h where VARIABLE_NAME =tikv_gc_life_time;Copy

导入后同步数据追上，再修改回默认的 10mDumpling 导出大表强烈建议设置 -r xxx -f xxx 参数否则 TiDB OOM 的概率很高；参考：https://docs.pingcap.com/zh/tidb/stable/dumpling-overview/

Dumpling 设置 -r xxx -f xxx 参数 导出 MySQL 联合主键 [int,varchar] 类型大表很慢，长时间无法完成导出；反馈官方 PingCAP 老师，目前已经解决参考 PR：

https://github.com/pingcap/tidb/issues/293862.TiDB-v2.x 开启 binlog，gc 导致磁盘空间占满，pump 卡住导致 TiDB 挂死处理方式：binlog 配置 GC 时间，重启 TiDB 生效，不配置默认保留 7 天；开启，关闭 binlog 建议参考：

https://asktug.com/t/topic/331703.DM迁移 MySQL 表排序规则问题MySQL 建表时没有显示指定 COLLATE=utf8_general_ci，因 MySQL 默认

Collation: utf8mb4_general_ci，TiDB 默认的 utf8mb4_bin，DM 也没有找到可设置下游的排序规则参数；这边业务也需保持排序规则一致 目前是这样处理的：在初始化 TiDB 集群先配置 。

new_collations_enabled_on_first_bootstrap 改为 true，然后在 TiDB 显示指定 COLLATE=utf8_general_ci 建表进行迁移； 其它小问题

TiCDC 同步数据大事务容易夯住，处理方式：避免大事务操作，拆分小事务，批量导入数据等；强烈建议不使用 MySQL 保留关键字，历史原因业务在 TiDB-v2.x 使用了 MySQL 保留关键字没报错，在升级到 TiDB-v4.x 报错，建议规范还是得严格执行，否则出问题排查修复也需要时间；

TiDB 升级及双机房落地收益按照线上业务监控的 QPS，相同的配置业务访问延时更低，在数据量不断增加性能不减，为分享业务提供高性能的服务新版本的 Dashboard 提供的图形化界面，可用于监控及诊断 TiDB 集群，快速定位 SQL 语句性能缓慢及发生性能抖动的原因。

最大收益还是双机房高可用，在成本允许的情况下，TiCDC 实现主机房向备机房同步数据，延迟小维护简单，在验收环节模拟机房灾难性断网演练，可快速切到备用机房，真正实现机房级别容灾七、感谢WPS 分享业务得以顺利升级 TiDB-v4 版本、数据迁移、双机房落地实施，感谢 PingCAP 工程师们的帮助和支持，及时地响应解决我们测试过程中所遇到的问题，让 TiDB 在 WPS 业务组推广更顺畅，有更多的业务使用场景。

升级

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。