Greenplum--FTS故障检测原理

Posted 2021-02-04

前言

FTS(Fault Tolerance Serve)是GreenPlum中的故障检测服务，是保证GP高可用的核心功能。GreenPlum的Segment的健康检测及HA是由GP Master实现的，GP Master上面有个专门的进程–FTS进程，它可以快速检测到Primary或者Mirror是否挂掉，并及时作出Primary/Mirror 故障切换。

一、FTS架构

GreenPlum的Segment的健康检测及HA是由GP Master实现的，GP Master上面有个专门的进程–FTS进程，它可以快速检测到Primary或者Mirror是否挂掉，并及时作出Primary/Mirror 故障切换。如果FTS挂掉了，Master将会重新fork出来一个FTS进程。

二、FTS实现原理

GP Master上面的FTS进程每隔60s(时间可以配置)向Primary或者Mirror发送心跳包，Primary和Mirror收到心跳包后返回它们的当前状态，FTS进程心跳包的发送状态和Segment返回状态更新元信息和作出故障切换。因为Segment可能很多，为了加快检测速度，FTS是多线程的，默认16个线程。

三、Segment检测及故障切换

GP Master首先会检测Primary状态，如果Primary不可连通，那么将会检测Mirror状态，Primary/Mirror状态总共有4种：
Primary活着，Mirror活着。GP Master探测Primary成功之后直接返回，进行下一个Segment检测；
Primary活着，Mirror挂了。GP Master探测Primary成功之后，通过Primary返回的状态得知Mirror挂掉了（Mirror挂掉之后，Primary将会探测到，将自己变成ChangeTracking模式），这时候更新Master元信息，进行下一个Segment检测；
Primary挂了，Mirror活着。GP Master探测Primary失败之后探测Mirror，发现Mirror是活着，这时候更新Master上面的元信息，同时使Mirror接管Primary（故障切换），进行下一个Segment检测；
Primary挂了，Mirror挂了。GP Master探测Primary失败之后探测Mirror，Mirror也是挂了，直到重试最大值，结束这个Segment的探测，也不更新Master元信息了，进行下一个Segment检测。

四、参数配置

4.1、gp_fts_probe_threadcount

用来故障检测的线程数量，默认为16。

4.2、gp_fts_probe_interval

两次检测的时间间隔，默认为60s。如果一次检测时间使用10s，那么剩余50s将会sleep;如果超过60s，将会直接进入下一次检测。

4.3、gp_fts_probe_timeout

检测Segment超时时间，默认值: 20。

4.4、gp_fts_probe_retries

检测Segment失败重试次数，如果超过这个次数，将会认为当前节点挂掉，默认值: 5。

4.5、gp_segment_connect_timeout

Prmary和Mirror文件同步允许连接Mirror最大超时时间，如果达到这个超时时间，Primary将会认为Mirror挂掉了，默认值: 180s。

五、总结

通过GreenPlum FTS机制学习，可以了解部分MPP架构高可用原理。同时根据自身的业务，合理地配置FTS参数，保障GP高可用。