Patroni集群在进入故障安全模式后复制停止问题分析
2025-05-30 00:15:02作者:翟萌耘Ralph
问题背景
在使用Patroni管理的PostgreSQL高可用集群中,当分布式配置存储(DCS)出现通信故障时,集群会进入故障安全(failsafe)模式。本文分析一个典型案例:在Kubernetes环境下运行的Patroni集群,由于API服务器短暂不可用导致进入故障安全模式后,出现了复制停止的现象。
故障现象
该生产环境运行着一个由Zalando Postgres Operator管理的2节点Patroni集群,使用Kubernetes API服务器作为DCS。在启用故障安全模式约两周后,集群出现了以下异常情况:
- 主节点检测到DCS通信失败,正确进入了故障安全模式
- 故障安全模式下主节点继续运行,避免了不必要的故障转移
- 但副本节点意外停止了复制,导致WAL日志积压达到250MB
- DCS恢复后,故障安全模式未自动退出
- 复制关系未能自动重建
故障原因分析
故障安全模式工作机制
Patroni的故障安全模式是一种保护机制,当无法与DCS通信时,主节点会通过直接与其他节点通信来确认自身是否应继续担任主节点角色。这种机制有效防止了"脑裂"情况的发生。
复制停止的根本原因
在本案例中,复制停止的根本原因是Kubernetes API服务器的事件推送机制出现了问题:
- 每个Pod都订阅了端点变化事件(类似
kubectl get ep -w
命令) - 这些事件通过持久的HTTP连接推送,Patroni据此维护内部缓存
- 当API服务器停止推送新事件时,副本节点的缓存变得陈旧
- 虽然主节点恢复了与API服务器的连接并能更新端点,但副本节点未收到这些更新
- 副本节点误认为主节点不再持有锁,决定隔离自己
故障安全模式未退出的原因
实际上故障安全模式已经正确退出,但日志信息不够明确导致运维人员产生误解。故障安全模式会在TTL(默认为30秒)后自动结束,但日志中没有明确的"退出故障安全模式"提示。
解决方案与最佳实践
应急恢复措施
当遇到此类问题时,可以采取以下恢复步骤:
- 通过REST API检查故障安全模式状态:
curl -s http://localhost:8008/patroni | jq .failsafe_mode_is_active
- 确认状态后,重启副本节点的Patroni服务或整个Pod
- 监控复制状态确保恢复正常
长期改进建议
- 升级到最新Patroni版本,其中已改进故障安全模式的日志提示
- 实施更完善的监控,包括:
- 复制延迟监控
- 故障安全模式状态监控
- DCS连接状态监控
- 定期测试故障场景,验证集群的恢复能力
技术启示
这个案例揭示了在Kubernetes环境下运行Patroni时需要注意的几个关键点:
- Kubernetes API服务器的稳定性直接影响Patroni集群的健康
- 事件推送机制的可靠性至关重要
- 故障安全模式虽然能防止数据丢失,但可能掩盖其他问题
- 清晰的日志记录对于故障诊断极为重要
通过这个案例,我们可以更好地理解Patroni在复杂环境下的行为特征,并为生产环境运维提供有价值的参考。
登录后查看全文
热门项目推荐
Hunyuan3D-Part
腾讯混元3D-Part00Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0276community
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息011Hunyuan3D-2
Hunyuan3D 2.0:高分辨率三维生成系统,支持精准形状建模与生动纹理合成,简化资产再创作流程。Python00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
154
1.98 K

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
507
43

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
194
279

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
992
395

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
940
554

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
336
11

openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
70