TiUniManager 开源项目教程
项目介绍
TiUniManager 是为分布式数据库 TiDB 打造的管控平台软件和数据库运维管理平台。其主要功能包括将数据流量切换到新实例,完成数据回填;支持将数据备份文件存储在分布式文件系统,通过多副本冗余和副本分布的不同策略(不同机架等)确保数据不会丢失;支持将 TiDB 部署在不同的可用区。TiDB 自身采用多副本的数据存储,TiUniManager 根据调度的约束将 TiDB 的副本放在不同的可用区,实现跨机房数据可伸缩性功能。高可用性 TiUniManager 组件提供高可用功能,无单点故障,确保平台高可用。
项目快速启动
环境准备
在开始部署 TiUniManager 之前,需要确保满足以下环境要求:
- Linux 操作系统版本:Red Hat Enterprise Linux 7.3 及以上版本,CentOS 7.3 及以上版本。
- 安装必要的软件:sshpass 1.06 及以上版本,TiUP 1.9.0 及以上版本。
部署步骤
-
克隆项目仓库
git clone https://github.com/pingcap/tiunimanager.git -
使用 TiUP 部署 TiUniManager
tiup deploy tiunimanager --skip-host-init=false -
启动 OpenAPI 服务器
/bin/openapi-server --host=127.0.0.1 --port=4100 --metrics-port=4103 --registry-address=127.0.0.1:4106 -
访问 Swagger API 文档
http://127.0.0.1:4100/swagger/index.html
应用案例和最佳实践
案例一:跨机房数据备份
在多个数据中心部署 TiDB 集群,并通过 TiUniManager 进行统一管理,实现数据的跨机房备份和快速恢复。
案例二:高可用性部署
通过 TiUniManager 的调度功能,将 TiDB 的副本分布在不同的可用区,确保在单个机房故障时,数据仍然可用。
最佳实践
- 定期备份:使用 TiUniManager 定期对 TiDB 集群进行全量备份,确保数据安全。
- 监控和告警:配置 TiUniManager 的监控和告警功能,实时监控集群状态,及时发现并解决问题。
典型生态项目
TiDB Operator
TiDB Operator 是 Kubernetes 上的 TiDB 集群自动运维系统,提供包括部署、升级、扩缩容、备份恢复、配置变更的 TiDB 全生命周期管理。
TiDB Data Migration
TiDB Data Migration (DM) 是一体化的数据同步任务管理平台,支持从 MySQL 及其兼容数据库到 TiDB 的全量数据迁移和增量数据同步。
TiDB Lightning
TiDB Lightning 是一个用于快速全量导入大量数据的工具,适用于将数据快速导入到 TiDB 集群中。
TiCDC
TiCDC 是一个变更数据捕获工具,用于实时复制 TiDB 集群的增量数据到其他系统,如 Kafka。
通过以上模块的介绍和实践,您可以快速上手并深入了解 TiUniManager 开源项目,实现高效的数据库运维管理。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C097
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00