摘要:Flickr 近期宣布,针对他们的线下任务处理子系统中的Redis,已经部署了Sentinel,用于自动化其故障转移操作。但他们对Redis的一致性问题感到了担忧。

Flickr 选择使用 Sentinel 来保证 Redis 的高可用性-速客网

Flickr 近期宣布,针对他们的线下任务处理子系统中的Redis,已经部署了Sentinel,用于自动化其故障转移操作。但他们对Redis的一致性问题感到了担忧。

去年,Factual的工程师及分布式系统专家Kyle Kingsbury,对Redis的一致性问题进行了研究,并将结果发表在了他的Jespen系列连载中。在文章中,他表示能够使用Redis和Sentinel构造出这样一个场景:在Redis通知我们已成功的写请求中,有56%的写请求事实上是被丢弃了。Kingbury表示,这个令人担心的结果是由Sentinel系统中的两个问题导致的。

第一个问题,要注意在网络分割开始时,所有客户端都会丢失写请求的数据。因为当网络出现故障时,客户端都往n1节点写数据。由于之后n1退级,不再是主节点,在这个时间窗口内写入的数据将全部丢失。第二个问题是由split-brain引起的:在网络分割现象消失之前,n1和n5都成为了主节点。一些客户端可能可以成功地写入数据,而其他的将丢失所写的数据,这取决于客户端与哪个节点进行交互。

Redis的作者 Salvatore Sanfilippo对这篇文章作出了回复。他确认了这个问题的存在,但也同时指出:丢失数据量最小化并不是Sentinel的设计目标。

需要明确的是,这条指责是正确的。它表明了Sentinel并不擅长处理在网络分割中将丢失数据量最小化这个复杂的问题,这一点原本就不是Sentinel的设计目标。况且,在用户通过自己所写的脚本来处理故障转移的案例中,99%的案例在故障检测和故障转移处理过程上,远远逊于Sentinel。

尽管Flickr知道这些问题,但由于起初他们为自己的线下任务处理子系统制定了过于自信的SLA目标,他们开始转而使用Sentinel。在注意到他们的手动故障恢复流程不可能帮助他们达到99.995%正常运行时间的目标后,他们寻找了其他解决方案,并选定了Sentinel。

在对Sentinel系统及它的配置参数进行重要的测试之后,他们能设计出一种在4~6秒钟内自动进行故障转移的方法。从而使得他们可以达到之前设定的正常运行时间的目标。在测试过程中,他们也能重现Kingsbury所发现的场景。但是,Flickr工程师Richard Thorn和Shawn Cook 解释道:“尽管我们相信我们的生产环境会受到split-brain的影响,但我们确信所获得的好处远大于带来的风险”。

Via Flickr Chooses Sentinel for Highly Available Redis InfoQ(潘瑾瑜)译

历史上的今天:

  1. 2017:  软银将携手爱立信进行4.5GHz频段5G端到端试验(0)
  2. 2017:  美国法官:雅虎必须面对数据泄露受害者的诉讼(0)
  3. 2016:  索尼将联合雅虎开发由软件操控电子产品(0)
  4. 2016:  雅虎将参加花旗集团2016年全球技术会议(0)
  5. 2016:  硅谷高科技就业增长和裁员并存 雅虎员工已着手找下家(0)