• TiDB跨数据中心部署拓扑


    本文以典型的两地三中心为例,介绍跨数据中心部署的拓扑以及关键参数。本文示例所涉及的城市是上海(即 sha)和北京(即 bja 和 bjb)。

    拓扑信息

    实例个数物理机配置BJ IPSH IP配置
    TiDB516 VCore 32GB * 110.0.1.1
    10.0.1.2
    10.0.1.3
    10.0.1.4
    10.0.1.5默认端口
    全局目录配置
    PD54 VCore 8GB * 110.0.1.6
    10.0.1.7
    10.0.1.8
    10.0.1.9
    10.0.1.10默认端口
    全局目录配置
    TiKV516 VCore 32GB 2TB (nvme ssd) * 110.0.1.11
    10.0.1.12
    10.0.1.13
    10.0.1.14
    10.0.1.15默认端口
    全局目录配置
    Monitoring & Grafana14 VCore 8GB * 1 500GB (ssd)10.0.1.16默认端口
    全局目录配置

    拓扑模版

    跨机房配置模板

    以上 TiDB 集群拓扑文件中,详细的配置项说明见通过 TiUP 部署 TiDB 集群的拓扑文件配置

    关键参数配置

    本节介绍跨数据中心部署 TiDB 集群的关键参数配置。

    TiKV 参数

    • 设置 gRPC 的压缩格式,默认为 none。为提高跨机房部署场景的目标节点间 gRPC 包的传输速度,建议设置为 gzip 格式。

       

      server.grpc-compression-type: gzip

    • label 配置

      由于采用跨机房部署 TiKV,为了避免物理机宕机导致 Raft Group 默认的 5 副本中丢失 3 副本,使集群不可用的问题,可以通过 label 来实现 PD 智能调度,保证同中心、同机柜、同机器 TiKV 实例不会出现 Raft Group 有 3 副本的情况。

    • TiKV 配置

      相同物理机配置相同的 host 级别 label 信息:

       

      config: server.labels: zone: bj dc: bja rack: rack1 host: host2

    • 防止异地 TiKV 节点发起不必要的 Raft 选举,需要将异地 TiKV 节点发起选举时经过最少的 tick 个数和最多经过的 tick 个数都调大,这两个参数默认设置均为 0

       

      raftstore.raft-min-election-timeout-ticks: 1000 raftstore.raft-max-election-timeout-ticks: 1020

    PD 参数

    • PD 元数据信息记录 TiKV 集群的拓扑信息,根据四个维度调度 Raft Group 副本。

       

      replication.location-labels: ["zone","dc","rack","host"]

    • 调整 Raft Group 的副本数据量为 5 ,保证集群的高可用性。

       

      replication.max-replicas: 5

    • 拒绝异地机房 TiKV 的 Raft 副本选举为 Leader。

       

      label-property: reject-leader: - key: "dc" value: "sha"

      注意

      TiDB 5.2 及以上版本默认不支持 label-property 配置。若要设置副本策略,请使用 Placement Rules

    有关 Label 的使用和 Raft Group 副本数量,详见通过拓扑 label 进行副本调度

    注意

    • 无需手动创建配置文件中的 tidb 用户,TiUP cluster 组件会在目标主机上自动创建该用户。可以自定义用户,也可以和中控机的用户保持一致。
    • 如果部署目录配置为相对路径,会部署在用户家目录下。
  • 相关阅读:
    vue.config.js 配置
    springboot 集成minio 实现文件上传
    HTML学生个人网站作业设计:我的家乡网站设计——南宁留言表单 无js 页面8个
    sklearn快速入门教程:归一化
    网络安全(黑客技术)学习笔记
    机器学习-无监督算法之降维
    vector的模拟实现
    QT OpenGL (1)2D Painting Example
    数学建模-多目标规划算法(美赛建模)
    使用 Keras 和 Tensorflow Hub 对电影评论进行文本分类
  • 原文地址:https://blog.csdn.net/weixin_42241611/article/details/125518174