环境准备

集群名称和版本

上游 tidb 集群: tidb-h

下游 tidb 集群: tidb-cdc

版本：v6.5.0

CDC 专用用户：cdcuser

注：业务负载用户应独立于 CDC 专用用户。

业务数据库：cdcdb

模拟业务应用：Sysbench、BANK。

计算存储双活架构

create user cdcuser identified by cdcuser; grant restricted_replica_writer_admin on *.* to cdcuser; create database cdcdb; grant all privileges on cdcdb.* to cdcuser; -- 创建 syncpoint 存储用数据库 tidb_cdc create database tidb_cdc; grant all privileges on tidb_cdc.* to cdcuser;

设置下游 tidb-cdc 集群只读

tidb-cdc 集群只读后，只允许具备 restricted_replica_writer_admin 角色的 cdcuser 进行上游同步的数据写入。

set global tidb_restricted_read_only=on;

建议重启 tidb-server 防止有连接未进入只读状态。

tiup cluster restart tidb-cdc -R tidb

检验环境变量。

show global variables like %tidb_restricted_read_only%; show global variables like %tidb_super_read_only%;

此时结果应该显示为 ON。

验证 tidb-cdc 处于只读状态。

create database rovfydb;

系统应提示 ERROR 1836 (HY000): Running in read-only mode 的报错，说明确定处于只读状态。

完成数据初始化

使用 dumpling / lightning 或者 br 进行上下游 TiDB 集群的数据初始化，并记录备份 ts，过程略。

编辑任务 toml 文件

Toml 文件内需要启用 redo 功能，并指定 redo 数据共享的存储位置。

创建 tidb-h 到 tidb-cdc 的复制链路

在上游 tidb-h 执行创建 changefeed 指令

tiup ctl:v<CLUSTER_VERSION> cdc changefeed create --server=http://{tidb-h-cdc-ip}:8300 --sink-uri="mysql://cdcuser:cdcuser@{tidb-cdc-lb-ip}:4000/?safe-mode=false&enable-old-value=true" --sync-interval=5m --sync-point=true --changefeed-id="cdcdb-cdc-task" --config /home/tidb/cdc_toml/cdcdb_h2cdc_changefeed.toml

cdcdb_h2cdc_changefeed.toml配置文件

case-sensitive=true [filter] rules=[cdcdb.*] [mounter] worker-num=16 [consistent] level="eventual" max-log-size=64 flush-interval=2000 storage="s3://{cdc_bucket}/{cdc_redo_dir}?enabpoint=http://{s3_ip}:{s3_port}&access-key=xxxxx&secret-access-key=xxxxxx"

检查同步任务状态

tiup ctl:v<CLUSTER_VERSION> cdc changefeed list --server=http://{tidb-h-cdc-ip}:8300

检验 cdcdb-cdc-task 任务状态应该是 normal，同时多次执行可见 tso 和 checkpoint 值还在正常推进。

"id": "cdcdb-cdc-task", "summary": { "state": "normal", "tso”: 436004661945434114, "checkpoint": “202x-xx-xx xx:xx:xx.xxx", "error": null }

启动上游应用

sysbench 模拟应用负载

sysbench /usr/local/share/sysbench/oltp_read_write.lua --mysql-host={tidb-h-lb-ip} --mysql-port=4000 --mysql-db=cdcdb --mysql-user=sbuser --mysql-password=sbuser --tables=20 --threads=20 --time=600 run > /tmp/syebench.log &

bank 模拟检验一致性应用

./bank_arm64 -dsn bankuser:bankuser@tcp({tidb-h-lb-ip}:4000)/cdcdb -accounts 10000

执行完成后，应该有 INFO[0002] verify success in xxxx-xx-xx xx:xx:xx ... 的总余额校验成功的提示。

观察 cdc 数据同步指标

Tidb-h 集群的 cdc 监控面板，changefeed checkpoint lag 和 changefeed resolved ts lag 应该在秒级。

模拟 ticdc 同步集群计划内主从切换

设置上游 tidb-h 集群只读

set global tidb_restricted_read_only = on;

tidb-h 只读后，原先连接 tidb-h 集群的 sysbench 和 bank 模拟负载程序均应报错。

建议重启 tidb-server 防止有连接未进入只读状态。

tiup cluster restart tidb-h -R tidb

检查环境变量。

show variables like %tidb_restricted_read_only%; show variables like %tidb_super_read_only%;

命令结果应该显示为 ON

停止上游的应用程序

sysbench 和 bank 应该会出现报错，使用 pkill 停止 sysbench 和 bank。

pkill sysbench pkill bank_arm64

下游集群做业务数据校验

业务应用可以通过手工检查是否是一致的，如 BANK 应用可以通过最新记录确认事务是一致的，并记录当前的 current_ts。

select sum(balance) from accounts; select * from record where tso=(select max(tso) from record); select * from accounts where tso=(select max(tso) from accounts); select tidb_current_ts();

可选使用 sync diff 进行 tidb-h 和 tidb-cdc 集群的数据一致校验

vi sync_diff_inspector_h_to_cdc.conf cd /home/tidb/tidb-community-toolkit-v<CLUSTER_VERSION>-linux-arm64 nohup ./sync_diff_inspector --config sync_diff_inspector_h_to_cdc.conf > sync.32.log & tail -20 /data1/sync_dir/sync_diff.log

sync_diff_inspector_h_to_cdc.conf配置信息

check-thread-count=20 export-fix-sql=true check-struct-only=false [data-sources] [data-sources.tidb-h] host="tidb-h-ip" port="4000" user="root" password="xx" [data-sources.tidb-cdc] host="tidb-cdc-ip" port="4000" user="root" password="xx" [routes] [routes.rule1] schema-pattern ="cdcdb" table-pattern="*" target-schema="" target-table="*" [task] output-dir="/tmp/syncdiff_dir" source-instances=["tidb-h"] source-instances=["tidb-cdc"] target-check-tables=["cdcdb.*"]

通过 syncdiff 的结果确认两边追平

[INFO] [diff.go:377] ["close handleCheckpoint goroutine"] [INFO] [main.go:114] ["check data finished"] [cost=XmYs] [INFO] [main.go:108] ["check pass!!!"]

删除 tidb-h 集群 cdc 任务

tiup ctl:v<CLUSTER_VERSION> cdc changefeed remove --server=http://{tidb-h-cdc-ip}:8300 -c cdcdb-cdc-task

检查同步任务状态

tiup ctl:v<CLUSTER_VERSION> cdc changefeed list --server=http://{tidb-h-cdc-ip}:8300

命令输出为空，或者不包含 cdcdb-cdc-task。

设置下游 tidb-cdc 集群恢复读写模式

关闭只读状态，恢复读写模式。

set global tidb_restricted_read_only = off; set global tidb_super_read_only=off;

检查环境变量。

show variables like %tidb_restricted_read_only%; show variables like %tidb_super_read_only%;

命令结果应该显示为 OFF

创建新的上游 tidb-cdc 到 tidb-h 的复制链路

在上游 tidb-cdc 执行创建指令

tiup ctl:v<CLUSTER_VERSION> cdc changefeed create --server=http://{tidb-cdc-cdc-ip}:8300 --sink-uri="mysql://cdcuser:cdcuser@{tidb-h-lb-ip}:4000/?safe-mode=false&enable-old-value=true" --sync-interval=5m --sync-point=true --changefeed-id="cdcdb-cdc-task-standby" --config /home/tidb/cdc_toml/cdcdb_cdc2h_changefeed.toml

cdcdb_cdc2h_changefeed.toml配置

case-sensitive=true [filter] rules=[cdcdb.*] [mounter] worker-num=16 [consistent] level="eventual" max-log-size=64 flush-interval=2000 storage="s3://{cdc_bucket}/{cdc_redo_dir}?enabpoint=http://{s3_ip}:{s3_port}&access-key=xxxxx&secret-access-key=xxxxxx"

检查同步任务状态

tiup ctl:v<CLUSTER_VERSION> cdc changefeed list --server=http://{tidb-cdc-cdc-ip}:8300

检验任务状态应该是 normal，同时 tso 和 checkpoint 数据还在正常推进。

"id": "cdcdb-cdc-task-standby", "summary": { "state": "normal", "tso”: 436004661945434114, "checkpoint": “202x-xx-xx xx:xx:xx.xxx", "error": null }

启动下游应用

sysbench 模拟应用负载

sysbench /usr/local/share/sysbench/oltp_read_write.lua --mysql-host={tidb-cdc-lb-ip} --mysql-port=4000 --mysql-db=cdcdb --mysql-user=sbuser --mysql-password=sbuser --tables=20 --threads=20 --time=600 run > /tmp/syebench.log &

bank 模拟检验一致性应用

./bank_arm64 -dsn cdcuser:cdcuser@tcp({tidb-cdc-lb-ip}:4000)/cdcdb -accounts 10000

观察 cdc 数据同步指标

Tidb-cdc 集群的 cdc 监控面板，changefeed checkpoint lag 和 changefeed resolved ts lag 应该在秒级。

计划内主从切换切换后检查

查询 tsomap 对应关系

tidb-h 集群是切换后复制链路的下游目标集群，需要从 tidb-h 取得最新的 tso 对应点。

select * from tidb_cdc.syncpoint_v1 order by primary_ts desc limit 10;

得到最新的一个上下游一致性对应点的 TSO 数据

使用 sync diff 进行 tidb-h 和 tidb-cdc 集群的数据一致校验

在 sync diff 的配置文件 snapshot 参数需要指定一个上下游一致性对应点的 TSO 进行数据一致校验

vi sync_diff_inspector_cdc2h.conf

check-thread-count=20 export-fix-sql = true check-struct-only = false [data-sources] [data-sources.tidb-h] host ="tidb-h-lb-ip” port = 4000 user = "root" password = "" snapshot = "436004818783567873" [data-sources.tidb-cdc] host = "tidb-cdc-lb-ip” port = 4000 user = "root" password = "" snapshot = "436004805298880512" [routes] ...

模拟 ticdc 同步集群计划外切换从集群接管

停上游集群模拟计划外主集群故障

关闭 tidb-h 集群。

tiup cluster stop tidb-h

停止上游的应用程序

sysbench 和 bank 应该会出现报错，使用 pkill 停止 sysbench 和 bank。

pkill sysbench pkill bank_arm64

下游集群进行 acid 一致性修复

下游集群使用与上游同版本的 cdc 二进制进行 redo apply 的一致性修复。

mkdir -p /tmp/cdc/redo/apply export AWS_ACCESS_KEY_ID=xxxx export AWS_SECRET_ACCESS_KEY=xxxx ./cdc redo apply --tmp-dir "/tmp/cdc/redo/apply" --storage "s3://{cdc_bucket}/cdc_redo/?endpoint=http://{s3-url}/" --sink-uri "mysql://cdcuser:cdcuser@{tidb-cdc-lb-ip}:4000"

命令输出应该会有如下提示：

[INFO][redo.go:111] ["apply redo log starts"] [checkpointTs=436118916148494396] [resolvedTs=436118916672782426] ... [INFO][mysql.go:186]["Start mysql sink"] [INFO][mysql.go:536]["clean up table max resolved ts in MySQL sink"] [tableID=1093][resolvedTs=436118916672782426] [INFO][mysql.go:541] ["clean up table checkpoint ts in MySQL sink"] [tableID=1093] [checkpointTs=436118916672782426] [INFO][mysql.go:536]["clean up table max resolved ts in MySQL sink"] [tableID=1091][resolvedTs=436118916672782426] [INFO][mysql.go:541]["clean up table checkpoint ts in MySQL sink"] [tableID=1091] [checkpointTs=436118916672782426] Apply redo log successfully

下游集群做业务数据校验

业务应用可以通过手工检查是否是一致的，如 BANK 应用可以通过最新记录确认事务是一致的，并记录当前的 current_ts。

select sum(balance) from accounts; select * from record where tso=(select max(tso) from record); select * from accounts where tso=(select max(tso) from accounts); select tidb_current_ts();

设置 tidb-cdc 集群恢复读写模式

锁定 ticdc 用户，防止集群恢复读写后上游复制链路突然恢复会进行写入。

ALTER USER cdcuser ACCOUNT UNLOCK;

关闭只读状态，恢复读写模式。

set global tidb_restricted_read_only=off; set global tidb_super_read_only=off;

检查环境变量。

show variables like %tidb_restricted_read_only%; show variables like %tidb_super_read_only%;

命令结果应该显示为 OFF

启动下游应用

sysbench 模拟应用负载

sysbench /usr/local/share/sysbench/oltp_read_write.lua --mysql-host={tidb-cdc-lb-ip} --mysql-port=4000 --mysql-db=cdcdb --mysql-user=sbuser --mysql-password=sbuser --tables=20 --threads=20 --time=600 run > /tmp/syebench.log &

bank 模拟检验一致性应用

./bank_arm64 -dsn cdcuser:cdcuser@tcp({tidb-cdc-lb-ip}:4000)/cdcdb -accounts 10000

可选上游集群做数据比对

可选重启除 CDC 节点外的上游集群，通过 redo apply 日志中的 tso 时间点做闪回查询对比，查询结果应该与下游集群的输出一致。

set tidb_snapshot="redo apply ts"; select sum(balance) from accounts; select * from record where tso=(select max(tso) from record); select * from accounts where tso=(select max(tso) from accounts);

注意：上游集群在 tikv 的最新数据不一定已经同步到 ticdc 的 redo 内，所以逻辑复制方案暂时不能实现 RPO=0。

理论上，可以通过对 redo 文件的解析，提交业务进行手工审核修改进行恢复。