ArangoDB 故障处理——Cluster 与 ActiveFailover
ArangoDB failure handling - Cluster vs ActiveFailover
假设我有 3 个节点和两种可能的 ArangoDB 配置：
- ActiveFailover:
节点 1：代理
节点 2：领导者
节点 3：关注者
或
- 集群：
节点 1：1 个代理 1 个数据库服务器和 1 个协调器
节点 2：1 个代理 1 个数据库服务器和 1 个协调器
节点 3：1 个代理 1 个数据库服务器和 1 个协调器
现在假设节点 1 和 2 出现故障。哪种配置更有弹性？ ActiveFailover 配置中的 Follower 是否可以访问，即使节点 1 运行 代理已关闭？或者集群配置会更优雅地处理这种情况，让节点 3 可用于处理读写？
不幸的是，两种配置中的 none 可以在两个节点出现故障时幸存下来。这样做的原因是，任何有利于一致性而不是可用性的配置都无法仅在 3 个节点中的一个节点上继续。这是因为这个节点可能是网络拆分的较小一半。如果我们继续使用单个节点，那么我们可能会面临裂脑场景，在这种情况下，另一半 2 节点也会继续，我们最终会出现不一致的状态。
在 ArangoDB 中，我们选择了一致性而不是可用性。因此，在任何 3 个节点的集合中，其中 2 个节点出现故障，幸存的节点将不会继续服务，而是等待它结束，直到至少有一个节点恢复。
现在让我们比较两个配置对于一个节点故障的情况：ActiveFailover 配置将继续工作，因为两个数据节点（Leader 和 Follower）中至少有一个将存活，并且与第三个 运行只需要一个Agent，他们就可以选举出一个leader，让存活的数据节点成为Leader。如果 only-Agent 节点发生故障，那么领导者选举仍然有效，因为另外两个节点实际上也是 运行 一个 Agent。但请注意，如果当前 Leader 发生故障，则会发生故障转移，但由于复制只是异步的，因此可能会丢失一些已提交的数据！
集群基本上以相同的方式运行，只是它具有更对称的设置。如果任何节点发生故障，其他两个节点可以继续。如果所有集合的复制因子至少为 2，则故障转移可以将每个分片的领导权移动到一个幸存的节点。由于复制是同步的，因此不会丢失提交的数据。这是集群相对于 ActiveFailover 设置的优势。但是，请注意，由于同步复制，操作的延迟可能会更高，并且由于并非所有数据都集中在单个节点上，因此某些操作的性能可能会更差，因为我们的数据局部性较低。不管怎样，天下没有免费的午餐，终究是要付出代价的。
假设我有 3 个节点和两种可能的 ArangoDB 配置：
- ActiveFailover:
节点 1：代理
节点 2：领导者
节点 3：关注者
或
- 集群：
节点 1：1 个代理 1 个数据库服务器和 1 个协调器
节点 2：1 个代理 1 个数据库服务器和 1 个协调器
节点 3：1 个代理 1 个数据库服务器和 1 个协调器
现在假设节点 1 和 2 出现故障。哪种配置更有弹性？ ActiveFailover 配置中的 Follower 是否可以访问，即使节点 1 运行 代理已关闭？或者集群配置会更优雅地处理这种情况，让节点 3 可用于处理读写？
不幸的是，两种配置中的 none 可以在两个节点出现故障时幸存下来。这样做的原因是，任何有利于一致性而不是可用性的配置都无法仅在 3 个节点中的一个节点上继续。这是因为这个节点可能是网络拆分的较小一半。如果我们继续使用单个节点，那么我们可能会面临裂脑场景，在这种情况下，另一半 2 节点也会继续，我们最终会出现不一致的状态。
在 ArangoDB 中，我们选择了一致性而不是可用性。因此，在任何 3 个节点的集合中，其中 2 个节点出现故障，幸存的节点将不会继续服务，而是等待它结束，直到至少有一个节点恢复。
现在让我们比较两个配置对于一个节点故障的情况：ActiveFailover 配置将继续工作，因为两个数据节点（Leader 和 Follower）中至少有一个将存活，并且与第三个 运行只需要一个Agent，他们就可以选举出一个leader，让存活的数据节点成为Leader。如果 only-Agent 节点发生故障，那么领导者选举仍然有效，因为另外两个节点实际上也是 运行 一个 Agent。但请注意，如果当前 Leader 发生故障，则会发生故障转移，但由于复制只是异步的，因此可能会丢失一些已提交的数据！
集群基本上以相同的方式运行，只是它具有更对称的设置。如果任何节点发生故障，其他两个节点可以继续。如果所有集合的复制因子至少为 2，则故障转移可以将每个分片的领导权移动到一个幸存的节点。由于复制是同步的，因此不会丢失提交的数据。这是集群相对于 ActiveFailover 设置的优势。但是，请注意，由于同步复制，操作的延迟可能会更高，并且由于并非所有数据都集中在单个节点上，因此某些操作的性能可能会更差，因为我们的数据局部性较低。不管怎样，天下没有免费的午餐，终究是要付出代价的。