bitsCN.com
线上48组nodes一组db0101主库down了之后的failover处理过程
路上接到call，db0101 Down了，报错现象:
(1) 应用页面500,503,504 Error 错误
(2) email报警db0201 is down now!
1 症状初步判断
赶快ping 20.222.21.173, 报unreachle的错误. 赶紧call 系统管理员以及硬件工程师,让他们登陆物理主机看看出了什么故障.
这里赶紧去mmm control服务器去看看状况如何?
[nova@db0203 ~]$ sudo -u mmmd mmm_control show
# Warning: agent on host db1 is not reachable
db1(20.222.21.173) master/HARD_OFFLINE. Roles: reader(20.222.22.57), writer(20.222.22.56)
db2(20.222.22.145) master/ONLINE. Roles: reader(20.222.22.58)
master/HARD_OFFLINE,猜测应该是硬件介质故障导致的.
2 紧急failover，恢复应用
由于应用页面报错，而且db0201已经down了，所以需要马上做failover操作，尽快切到db0202上面去，下面手动切换。
[nova@db0203 ~]$ sudo -u mmmd /usr/sbin/mmm_control move_role writer db2
OK: Role 'writer' has been moved from 'db1' to 'db2'. Now you can wait some time and check new roles info!
[nova@db0203 ~]$ sudo -u mmmd mmm_control show
# Warning: agent on host db1 is not reachable
db1(20.222.21.173) master/HARD_OFFLINE. Roles: reader(20.222.22.57)
db2(20.222.22.145) master/ONLINE. Roles: reader(20.222.22.58), writer(20.222.22.56)
it is ok，看到已经切换到了db0202上面去了，writer已经指向了db0202，页面也没有报错了，而且登陆db0202，执行show full processlist; 看到已经有500多个client connection了,表示应用已经切换到db0202上面。
3 重新做failover的疑惑？
failover之前需要做什么事情? 需要等待吗?还是直接执行failover就可以了？ 这是一次线上操作，没有可以借鉴的，我这里是直接执行failover操作了。
执行时间：18:45
执行命令：sudo -u mmmd /usr/sbin/mmm_control move_role writer db2
过了一个小时，sa以及hard engineer已经检查完物理主机了，是out of memory了，所以默认就kill了战局内存最大的mysql虚拟机了。他们调整了参数设置以及保护措施(具体细节不是太懂)
4 设置db1 online
等db0201服务器启动之后，需要手动开启replication，手动执行start slave; replication正常开始同步数据。再去check下mmm状态
[nova@db0203 ~]$ sudo -u mmmd mmm_control show
db1(20.222.21.173) master/AWAITING_RECOVERY.Roles: reader(20.222.22.57)
db2(20.222.22.145) master/ONLINE. Roles: reader(20.222.22.58), writer(20.222.22.56)
看到这个awaiting_recovery，不要慌，这是因为介质故障，所以虽然mmm_control监控到了db1，但是它不会把db1设置成online的，需要我们自己去判断db1是否正常，如果正常，我们可以自己把db1设置成online，这也算是mmm的一个谨慎的地方吧。所以我这里check完db1之后，发现db1的replication正常后，就可以设置db1 online了。
执行命令：sudo -u mmmd mmm_control set_online db1
看到 db1(20.222.21.173) master/ONLINE. Roles: reader(20.222.22.57), OK，db1已经online了
5 Change writer from db2 to db1
之后检查db1和db2双master运行一段时间，大概monitor20分钟后，就可以执行切换操作了，毕竟db1是ssd，db2是普通介质。
[nova@db0203 ~]$ date
Thu Sep 5 12:11:02 GMT 2013
[nova@db0203 ~]$ sudo -u mmmd /usr/sbin/mmm_control move_role writer db1
OK: Role 'writer' has been moved from 'db2' to 'db1'. Now you can wait some time and check new roles info!
[nova@db0203 ~]$ sudo -u mmmd mmm_control show
db1(20.222.21.173) master/ONLINE. Roles: reader(20.222.22.57), writer(20.222.22.56)
db2(20.222.22.145) master/ONLINE. Roles: reader(20.222.22.58)
看到db1已经成为了writer了。
bitsCN.com
