量入为出，借助 headless 集群构建 Amazon Aurora 全球数据库，实现高性价比的跨区域容灾

前言

许多企业在部署关键应用时，为了保障业务连续性，需要预防区域级别中断的风险，因此需要制定跨区域的灾难恢复（DR）策略。在设计跨区域 DR 策略时，需要在数据恢复点目标（RPO）、恢复时间目标（RTO）和成本之间衡量。在企业降本增效的大环境下，具有高性价比的灾难恢复（DR）策略，是诸多企业在选择合适的业务连续性容灾方案时的重要考量因素。

恢复时间目标（RTO）和恢复点目标（RPO）是容灾规划中的两个关键指标。RTO（Recovery Time Objective）指在发生灾难后，将中断的业务流程恢复到可接受服务级别所需的最长时间。例如，如果某业务在下午 2 点遭受中断，且 RTO 为 2 小时，那么必须在下午 4 点前将业务恢复到可接受水平。 RPO（Recovery Point Objective）指在发生灾难时，业务可以容忍的最大数据损失量，通常以时间来衡量。例如，如果某业务在下午 2 点遭受灾难，且 RPO 为 2 小时，那么可以接受在中午 12 点至下午 2 点这 2 小时内的数据损失。企业通常根据业务中断对运营的影响程度，来制定适当的 RTO 和 RPO 目标，并据此规划相应的容灾策略和解决方案，以最大限度降低业务中断带来的风险和损失。总的来说，RTO 关注的是将业务恢复到可运行状态所需的时间，而 RPO 则侧重于在容灾发生时可以容忍的数据损失量。两者是容灾规划中不可或缺的重要指标。

在本博客中，我们将探讨使用 Amazon Aurora Global Database Headless（全球数据库 headless 集群）作为数据库跨区域方案的一部分所带来的好处，以及如何实现跨区域灾难恢复。

Amazon Aurora Global Database Headless（全球数据库无头集群）是指没有数据库实例的从集群。这种配置可以降低 Aurora 全球数据库的费用。在 Aurora 数据库集群中，计算和存储是分离的。如果没有数据库实例，不需要收取计算费用。同时可以按需在从区域添加数据库实例到 Aurora 集群，以供用户和应用所使用。

借助 headless 集群构建 Amazon Aurora 全球数据库实现跨区域容灾的特点：

降低成本，提供高性价比容灾方案 – 从区域 Aurora 全球数据库从集群，不需要配置数据库实例，节省了数据库实例成本；同时可以按需增加数据库实例到 headless 集群，由于 Aurora 采用计算和存储分离架构，可快速分钟级（通常小于 10 分钟）扩展数据库实例。
保持跨区域低延迟复制，跨区域复制通常低于 1 秒 – Aurora 利用物理复制、跨区域的骨干网络和存储层实现跨区域复制，即使是 headless 配置，依然可以保持通常低于 1 秒的跨区域复制延迟。
满足低 RPO/RTO 满足构建容灾系统的需求，可实现数据库容灾切换时保障 RPO 通常小于 1 秒和 RTO 通常小于 10 分钟。

我们将在本博客后续章节，部署和测试 headless 集群，来验证以上特点。

Aurora 全球数据库 headless 集群架构

Aurora 全球数据库集群采用 headless 集群配置，跨越至少两个区域。主区域由一个读写 Aurora 数据库实例（兼容 MySQL 或 PostgreSQL）、一个或多个相同或不同可用区中的只读副本，以及存储集群数据的集群卷组成的 Aurora 数据库集群。从区域包含存储从集群数据的集群卷。Aurora 利用 AWS 骨干网络的专用基础设施跨区域复制数据，网络延迟通常低于一秒。最多可以为 Aurora 全球数据库创建五个从区域。下图是 Aurora 全球数据库 headless 集群架构图：

Aurora 全球数据库使用 Aurora 专门构建的存储层来处理跨区域的复制，headless 从集群使用的存储复制与主区域 Aurora 集群保持同步。

可以通过以下方式之一创建具有 headless 配置的 Aurora 全球数据库：

将 Aurora 集群转换为采用 headless 配置的全球数据库 — 可以通过添加没有 Aurora 数据库实例的从集群，来创建具有 headless 配置的 Aurora 全球数据库。
修改现有 Aurora 全局集群以创建 headless 配置 — 要将从集群转换为 headless 配置，可以在 Aurora 全球数据库从集群中删除 Aurora 数据库实例，从而将从集群将转换为 headless 集群。

部署和测试

将 Aurora 集群转换为 headless 配置的 Aurora 全球数据库

可以将已有的区域数据库转换成全球数据库（例如已有区域在美东一添加美东二为从区域）：

在控制台上查看已经创建好的全球数据库的配置：

将已经创建好的全球数据库转换成 headless 配置（切换到从区域，选择从区域数据库实例，实施删除）：

在控制台上查看全球数据库 headless 配置（0 instances）：

在 CloudWatch 定义 Dashboard 监控 headless 从区域复制延迟

因为在从区域没有数据库实例，所以无法查看 CloudWatch 监控指标，需要在 CloudWatch Dashboard 中定义全球数据库 headless 配置，所要监控的主从区域复制延迟指标：AuroraGlobalDBReplicationLag。

在 CloudWatch 控制台创建 Cloudwatch Dashboard aurora-global-db-headless：

在 us-east-2 区域查找 CloudWatch 指标，选择 RDS->DBClusterIdentifier->aurora-global-db-headless-cluster-1->选择 AuroraGlobalDBReplicationLag->Create Widget：

查看创建好的 widget，点击 save（保存到 Dashboard）：

在主区域进行密集写操作查看 headless 从区域复制延迟

安装和通过 sysbench 对主区域集群进行密集写压测：

sudo yum update -y
sudo amazon-linux-extras install epel -y
sudo yum update -y
sudo yum install sysbench

链接到 Aurora 主集群，创建 demo 数据库：

create database demo；

准备 sysbench 测试数据：

sysbench --db-driver=mysql --mysql-user=admin --mysql-password=Welcome1 --mysql-db=demo --mysql-host=database-mysql-8.cluster-ckutjdcz3cie.us-east-1.rds.amazonaws.com --mysql-port=3306 --tables=500 --table-size=50000 --time=200 --forced-shutdown --rand-type=uniform --db-ps-mode=disable --report-interval=1 --threads=50 /usr/share/sysbench/oltp_write_only.lua prepare

执行 sysbench 只写测试，并发线程=300，执行 10 分钟：

sysbench --db-driver=mysql --mysql-user=<username> --mysql-password=<password> --mysql-db=demo --mysql-host=<Aurora Primary cluster endpoint> --mysql-port=3306 --tables=500 --table-size=50000 --time=600 --forced-shutdown --rand-type=uniform --db-ps-mode=disable --report-interval=1 --threads=300 /usr/share/sysbench/oltp_write_only.lua run

观测 CloudWatch 指标 AuroraGlobalDBReplicationLag，可以看到 300 并发只写测试，headless 部署主从区域复制延迟非常稳定，大致在 120 毫秒，可验证数据库跨区域复制通常小于 1 秒，数据库容灾切换时 RPO 通常也会小于 1 秒：

主区域发生故障如何将 headless 从集群 Failover 变成主集群

方式 1：通过 AWS Cli 和控制台操作 – 实现将 headless 从集群 Failover 变成主集群

在从区域通过 AWS Cli 增加 DB instance 到从集群：

aws rds create-db-instance \
--db-instance-identifier aurora-global-db-headless-instance-1 \
--db-cluster-identifier aurora-global-db-headless-cluster-1 \
--db-instance-class db.r6g.large \
--engine aurora-mysql \
--engine-version 8.0.mysql_aurora.3.05.2 \
--region us-east-2

记录创建 DB instance 创建时间：15:29 开始，15:37 结束 – 大致 8 分钟。

在 RDS 控制台上将从集群提升为独立集群，完成 failover：

记录从集群提升时间：15:41 开始，15:43 结束 – 大致从 console 上观察是 1-2 分钟。

方式 2：通过示例的自动化脚本 – 一键式实现将 headless 从集群 Failover 变成主集群

克隆 github 资料库：

git clone https://github.com/bingbingliu18/aurora-global-db-headless

执行自动化脚本 – 一键式实现将 headless 从集群 Failover 变成主集群：

cd aurora-global-db-headless

sh FailoverGlobalDBHeadless.sh -g aurora-global-db-headless -R us-east-2 -r aurora-global-db-headless-cluster-1 -s db.r6g.large -n us-east-2b

参数说明：

-g –> Global database identifer
-R –> Secondary cluster region
-r –> Secondary cluster identifer
-s –> Added DB instance size
-n –> Added DB instance AZ

在此示例中添加一个数据库实例类型为 db.r6g.large 到 us-east-2 区域的 Aurora 全球数据库从集群：aurora-global-db-headess-cluster-1 数据库实例所在的 AZ 为：us-east-2b。

在添加数据库实例节点到 headless 集群和提升从集群为独立集群时，需要人工输入两次 y 确认执行。

自动化脚本输出如下：

Are you sure you want to add a new instance to cluster aurora-global-db-headless-cluster-1 at region us-east-2; DB instance size is db.r6g.large and AZ is us-east-2b  (y/n)? y
Task started at 2024-07-19 07:16:43
{
    "DBInstance": {
        "PubliclyAccessible": false, 
        "MasterUsername": "admin", 
        "MonitoringInterval": 0, 
        …
        "DBInstanceIdentifier": "aurora-global-db-headless-cluster-1-instance-1"
    }
}
Waiting for database instance aurora-global-db-headless-cluster-1-instance-1 to be created...
...
Are you sure you want to promote cluster aurora-global-db-headless-cluster-1 to a standalone cluster? (y/n) y
{
    "GlobalCluster": {
        "Status": "available", 
        "Engine": "aurora-mysql", 
        "DeletionProtection": false, 
        "GlobalClusterResourceId": "cluster-defc15dcc788799d", 
        …

        "EngineVersion": "8.0.mysql_aurora.3.05.2", 
        …    }
}
Waiting for cluster promotion to complete...
…
Successfully added a new database instance aurora-global-db-headless-cluster-1-instance-1 and promoted the region cluster aurora-global-db-headless-cluster-1 to a standalone cluster.
Task ended at 2024-07-19 07:21:59
Task duration: 316 seconds

可以看到执行一键式自动化脚本，实现将 headless 从集群 Failover 变成主集群：执行时间为 316秒，大致在 5 分钟，可验证 Aurora 全球数据库，容灾切换时 RTO 通常小于 10 分钟。

在 RDS 控制台上查看已经提升为独立集群的从集群：

亚马逊AWS官方博客