管理高可用性

管理高可用性2023/5/61第1頁(yè)，共17頁(yè)，2023年，2月20日，星期四教學(xué)目標(biāo)理解系統(tǒng)可用性的概念了解系統(tǒng)停機(jī)的主要原因掌握如何進(jìn)行計(jì)算故障保護(hù)掌握如何進(jìn)行數(shù)據(jù)故障保護(hù)掌握如何進(jìn)行數(shù)據(jù)改變保護(hù)掌握如何進(jìn)行系統(tǒng)改變保護(hù)2023/5/62第2頁(yè)，共17頁(yè)，2023年，2月20日，星期四教學(xué)難點(diǎn)和重點(diǎn)系統(tǒng)可用性的概念系統(tǒng)停機(jī)的主要原因如何進(jìn)行計(jì)算故障保護(hù)如何進(jìn)行數(shù)據(jù)故障保護(hù)如何進(jìn)行數(shù)據(jù)改變保護(hù)如何進(jìn)行系統(tǒng)改變保護(hù)2023/5/63第3頁(yè)，共17頁(yè)，2023年，2月20日，星期四教學(xué)過(guò)程17.1概述17.2計(jì)算機(jī)故障保護(hù)17.3防止數(shù)據(jù)故障17.4避免計(jì)劃內(nèi)停機(jī)2023/5/64第4頁(yè)，共17頁(yè)，2023年，2月20日，星期四17.1概述可用性是一項(xiàng)度量計(jì)算機(jī)系統(tǒng)正常運(yùn)行時(shí)間的指標(biāo)。這項(xiàng)指標(biāo)無(wú)論系統(tǒng)處于何種狀態(tài)，例如系統(tǒng)維護(hù)或系統(tǒng)升級(jí)，都應(yīng)該保證系統(tǒng)正常使用?？捎眯允墙鉀Q應(yīng)用程序可以正常使用的時(shí)間的問(wèn)題，可伸縮性描述應(yīng)用程序可以接受的并發(fā)用戶訪問(wèn)的數(shù)量問(wèn)題。在設(shè)計(jì)高度可用的IT網(wǎng)格基礎(chǔ)架構(gòu)時(shí)，所面臨的一大挑戰(zhàn)是檢查和解決所有可能的停機(jī)原因。圖17-1顯示了一系列停機(jī)原因，這些原因可以歸為兩大類：意外停機(jī)和計(jì)劃停機(jī)。2023/5/65第5頁(yè)，共17頁(yè)，2023年，2月20日，星期四17.2計(jì)算機(jī)故障保護(hù)當(dāng)計(jì)算機(jī)系統(tǒng)或數(shù)據(jù)庫(kù)服務(wù)器意外故障并導(dǎo)致服務(wù)中斷時(shí)，計(jì)算機(jī)就會(huì)發(fā)生故障，如圖17-2所示。在大多數(shù)情況下，這是由于硬件故障。這些類型的故障可利用快速數(shù)據(jù)庫(kù)故障恢復(fù)和集群技術(shù)來(lái)解決。2023/5/66第6頁(yè)，共17頁(yè)，2023年，2月20日，星期四帶有真正應(yīng)用集群的企業(yè)網(wǎng)格真正應(yīng)用集群(realapplicationcluster，RAC)使得企業(yè)可以構(gòu)建支持多個(gè)操作系統(tǒng)的服務(wù)器，并可提供出色的可用性和可伸縮性。在真正應(yīng)用集群環(huán)境中，Oracle可在一個(gè)集群中運(yùn)行于兩個(gè)或更多個(gè)系統(tǒng)之上，并可以同時(shí)訪問(wèn)一個(gè)共享數(shù)據(jù)庫(kù)。這使得一個(gè)數(shù)據(jù)庫(kù)系統(tǒng)可以跨越多個(gè)硬件系統(tǒng)，同時(shí)對(duì)應(yīng)用程序而言仍是一個(gè)統(tǒng)一的數(shù)據(jù)庫(kù)系統(tǒng)，從而為用戶的應(yīng)用程序帶來(lái)出色的可用性和可伸縮性優(yōu)勢(shì)，包括：容量規(guī)劃的靈活性和經(jīng)濟(jì)高效性，進(jìn)而使得企業(yè)可以隨著業(yè)務(wù)的擴(kuò)展根據(jù)需求進(jìn)行擴(kuò)展。集群故障容錯(cuò)，特別是計(jì)算機(jī)故障。2023/5/67第7頁(yè)，共17頁(yè)，2023年，2月20日，星期四綁定數(shù)據(jù)庫(kù)崩潰恢復(fù)造成意外停機(jī)的一個(gè)最常見(jiàn)的原因是系統(tǒng)故障或崩潰。系統(tǒng)故障是由于硬件故障、電源故障和操作系統(tǒng)或服務(wù)器崩潰造成的。這些故障導(dǎo)致的中斷次數(shù)取決于受影響的用戶數(shù)量，以及服務(wù)恢復(fù)的速度。高可用性系統(tǒng)設(shè)計(jì)用于在故障發(fā)生后，自動(dòng)快速進(jìn)行故障恢復(fù)。關(guān)鍵系統(tǒng)的用戶希望IT部門能夠承諾快速實(shí)現(xiàn)故障恢復(fù)，并可以預(yù)測(cè)故障時(shí)間。停機(jī)時(shí)間如果比承諾時(shí)間長(zhǎng)，就會(huì)對(duì)運(yùn)營(yíng)造成直接的影響，導(dǎo)致收入損失，生產(chǎn)效率降低。Oracle數(shù)據(jù)庫(kù)提供了非常快速的系統(tǒng)故障和崩潰恢復(fù)。2023/5/68第8頁(yè)，共17頁(yè)，2023年，2月20日，星期四17.3防止數(shù)據(jù)故障數(shù)據(jù)故障是指丟失、損壞或破壞關(guān)鍵企業(yè)數(shù)據(jù)，如圖17-3所示。數(shù)據(jù)故障的原因比計(jì)算機(jī)故障更加錯(cuò)綜復(fù)雜，可能由于存儲(chǔ)硬件、人為錯(cuò)誤、損壞或站點(diǎn)故障而引起。非常重要的一點(diǎn)是，要設(shè)計(jì)一款解決方案來(lái)防止數(shù)據(jù)故障并提供故障恢復(fù)。系統(tǒng)或網(wǎng)絡(luò)故障可能會(huì)妨礙用戶訪問(wèn)數(shù)據(jù)，但發(fā)生數(shù)據(jù)故障后，如果沒(méi)有正確的備份或恢復(fù)技術(shù)，則會(huì)導(dǎo)致需要數(shù)小時(shí)的恢復(fù)時(shí)間，甚至丟失數(shù)據(jù)。在OracleDatabase10g中，極大地增強(qiáng)了數(shù)據(jù)保護(hù)能力。2023/5/69第9頁(yè)，共17頁(yè)，2023年，2月20日，星期四防止存儲(chǔ)故障利用Oracle數(shù)據(jù)庫(kù)的自動(dòng)存儲(chǔ)管理(ASM)特性。ASM在Oracle內(nèi)核中提供了一個(gè)垂直集成的文件系統(tǒng)和數(shù)據(jù)卷管理器，大大減少了提供數(shù)據(jù)庫(kù)存儲(chǔ)的工作，提高了可用性，而無(wú)需購(gòu)買、安裝和維護(hù)專用存儲(chǔ)產(chǎn)品，并且為數(shù)據(jù)庫(kù)應(yīng)用提供了獨(dú)有的能力。ASM將其文件分布在所有可用存儲(chǔ)器上，以實(shí)現(xiàn)最佳性能，而且它還可以鏡像，防止數(shù)據(jù)丟失。ASM擴(kuò)展了SAME(全部條帶化和鏡像)概念，并提高了靈活性，從而可以在數(shù)據(jù)庫(kù)文件級(jí)進(jìn)行鏡像，而無(wú)需在整修磁盤級(jí)進(jìn)行鏡像。更重要的是，ASM消除了與管理數(shù)據(jù)和磁盤相關(guān)的復(fù)雜性；它大大簡(jiǎn)化了設(shè)置鏡像、添加磁盤和拆卸磁盤的過(guò)程。2023/5/610第10頁(yè)，共17頁(yè)，2023年，2月20日，星期四防止人為錯(cuò)誤幾乎所有關(guān)于停機(jī)原因的研究都發(fā)現(xiàn)，人為錯(cuò)誤是導(dǎo)致停機(jī)的最大原因。人為錯(cuò)誤包括：誤刪除重要數(shù)據(jù)；或update語(yǔ)句中不正確的where子句更新了比預(yù)定更多的行。要盡可能防止人為錯(cuò)誤，當(dāng)預(yù)防措施失敗后，需要撤消以前的操作。Oracle數(shù)據(jù)庫(kù)提供了易用且強(qiáng)大的工具，有助于管理員快速診斷發(fā)生的錯(cuò)誤，并從錯(cuò)誤中得以恢復(fù)。2023/5/611第11頁(yè)，共17頁(yè)，2023年，2月20日，星期四Oracle的閃回技術(shù)當(dāng)授權(quán)用戶犯錯(cuò)，需要使用工具來(lái)更正這些錯(cuò)誤。OracleDatabase10g提供了一系列人為錯(cuò)誤更正技術(shù)，這些技術(shù)稱為閃回技術(shù)。閃回技術(shù)從根本上改變了數(shù)據(jù)恢復(fù)方式。過(guò)去，數(shù)據(jù)庫(kù)在幾分鐘內(nèi)就可能損壞，但需要幾小時(shí)才能恢復(fù)。利用閃回技術(shù)，更正錯(cuò)誤的時(shí)間與錯(cuò)誤發(fā)生時(shí)間幾乎相同。而且它非常易用，使用一條短命令便可恢復(fù)整個(gè)數(shù)據(jù)庫(kù)，而不必執(zhí)行復(fù)雜的程序。閃回技術(shù)提供了一個(gè)SQL界面，能夠快速分析和修復(fù)人為錯(cuò)誤。閃回技術(shù)為本地?cái)?shù)據(jù)損壞提供了細(xì)粒度的外部分析和修復(fù)，如當(dāng)錯(cuò)誤刪除客戶訂單時(shí)。閃回技術(shù)還支持修復(fù)更廣泛的損壞，同時(shí)快速避免長(zhǎng)時(shí)間停機(jī)。2023/5/612第12頁(yè)，共17頁(yè)，2023年，2月20日，星期四基于SQL的LogMiner日志分析程序Oracle日志文件包含有關(guān)Oracle數(shù)據(jù)庫(kù)活動(dòng)和歷史的大量實(shí)用信息。日志文件包含執(zhí)行數(shù)據(jù)庫(kù)恢復(fù)所需的全部數(shù)據(jù)。它們還記錄了數(shù)據(jù)庫(kù)中的數(shù)據(jù)和元數(shù)據(jù)的所有變化。LogMiner是一個(gè)關(guān)系工具，支持使用SQL來(lái)閱讀、分析和翻譯重做的日志文件。利用LogMiner分析日志文件，可以跟蹤或?qū)徍藬?shù)據(jù)變化、提供調(diào)整和容量規(guī)劃的補(bǔ)充信息、檢索復(fù)雜應(yīng)用調(diào)試的關(guān)鍵信息，或恢復(fù)被刪除的數(shù)據(jù)等2023/5/613第13頁(yè)，共17頁(yè)，2023年，2月20日，星期四防止數(shù)據(jù)損壞數(shù)據(jù)損壞通常由IO系列中的故障組件導(dǎo)致。例如，數(shù)據(jù)庫(kù)將IO作為更新交易的結(jié)果。該數(shù)據(jù)庫(kù)IO將在各個(gè)組件中進(jìn)行傳輸，包括：操作系統(tǒng)的IO代碼、文件系統(tǒng)、卷管理器、設(shè)備驅(qū)動(dòng)程序、主機(jī)總線適配器、存儲(chǔ)控制器和磁盤驅(qū)動(dòng)器，直至最后被寫入。IO堆棧中任何組件發(fā)生錯(cuò)誤或硬件故障，都可能“變換”數(shù)據(jù)中的一些位，進(jìn)而導(dǎo)致錯(cuò)誤數(shù)據(jù)被寫入數(shù)據(jù)庫(kù)中。這一損壞可能是數(shù)據(jù)庫(kù)控制信息或用戶數(shù)據(jù)，它們對(duì)于數(shù)據(jù)庫(kù)的正常工作至關(guān)重要。同樣，磁盤故障也可能損壞數(shù)據(jù)庫(kù)，而需要使用備份文件來(lái)恢復(fù)數(shù)據(jù)庫(kù)。2023/5/614第14頁(yè)，共17頁(yè)，2023年，2月20日，星期四17.4避免計(jì)劃內(nèi)停機(jī)計(jì)劃內(nèi)停機(jī)同樣會(huì)對(duì)業(yè)務(wù)運(yùn)營(yíng)造成破壞，特別是對(duì)于需要支持多個(gè)時(shí)區(qū)的用戶的全球而言，情況尤為嚴(yán)重。在這種情況下，設(shè)計(jì)一種可最大限度地減少中斷的系統(tǒng)至關(guān)重要。計(jì)劃內(nèi)停機(jī)包括例行操作、定期維護(hù)和部署新設(shè)備等。例行操作指頻繁進(jìn)行的維護(hù)任務(wù)，包括備份、性能管理、用戶管理和批處理。定期維護(hù)，如安裝補(bǔ)丁和重新配置系統(tǒng)，只是偶爾進(jìn)行，以更新數(shù)據(jù)庫(kù)、應(yīng)用程序、操作系統(tǒng)、中間件或網(wǎng)絡(luò)。部署新設(shè)備包括硬件、操作系統(tǒng)、數(shù)據(jù)庫(kù)、應(yīng)用程序、中間件或網(wǎng)絡(luò)的重大升級(jí)。在這里，不僅需要考慮升級(jí)所需的時(shí)間，同時(shí)還需要考慮變化可能對(duì)整體應(yīng)用產(chǎn)生的影響。2023/5/615第15頁(yè)，共17頁(yè)，2023年，2