Qunar 数据库迁移程序

1. 概述

本文主要介绍 Qunar DBA 部门运维平台中的自动化迁移程序。自动化迁移程序，主要实现 DBA 日常工作中常见的运维操作，如：过保机器替换，集群架构升级，数据库版本升级等，并且支持流程可配置，可以满足各种定制化的运维场景。使用程序代替人为操作，实现操作的规范化，提升工作效率的同时，能够避免各种由于人为操作不当引发的故障。

2. 背景

• DBA 工作繁重，日常操作繁琐

作为 DBA，真的很忙，每天都有很多事情要处理，备份和恢复、监控状态、集群搭建与扩容、数据迁移高可用和性能优化等，除此之外，还要面对开发的各种需求和疑问，有时候一个需求，一个问题甩过来，可能半天时间就没了，有时候还得扮演下救火队员的角色。因此，急需自动化程序来解放 DBA 的双手，让我们有精力去做一些更有意义的事情。

• 新人入职培训成本高，周期长

新人入职，需要进行较长时间培训，了解公司架构、操作规范等，至少一个月时间才能够进行线上基本操作，一些复杂操作甚至需要更长时间的学习和理解，才有信心对生产环境进行变更。

• 迁移操作流程复杂，人为操作具有不确定性，易引发故障

人是感性的动物，尽管我们制定了各种操作规范，当我们去按照文档操作时，特别是在个人状态不佳的时候，难免会出现纰漏。有时因为忘记改某个参数，忘记执行某条命令，可能就会引发线上故障。Qunar2019 由于人为操作导致的故障损失较大，而这些故障使用自动化程序都可以避免。

3. 自动化迁移实现

自动化，目的在于使用程序替代人为操作，因此我们最早先做了集群的安装部署，是用的最多的场景。部署不是单单几条命令就完事了，公司内部架构比较复杂，涉及到的组件多，包括：集群搭建（主从半同步、PXC 集群），哨兵集群，配置中心，zookeeper 等；所以流程比较复杂。我们按照规范文档，一个个步骤的实现，然后串联起来，形成一个完整的部署流程。每次部署通过平台添加任务接口，放到后台异步执行即可。

自动化部署开发完成后，新集群部署的问题解决了，按照这个思路，其他日常的操作同样也能实现，于是开始构思实现更多的场景。但是，在开发过程中，我们遇到了几个问题：

• 数据迁移周期较长，需要开发介入，比如：重新发布程序，修改客户端连接方式等

• 涉及到高危操作，主从切换、割接等，需要择机进行

这就导致了不能像部署一样，把操作步骤组合起来丢到后台执行就可以了。需要整个流程能够支持随时暂停和随时调度，我们把一个复杂流程拆分为多个独立的子任务，每个子任务能够单独调度执行，通过后台拼装子任务来定义各种迁移流程。按照这种方式，先后实现了几种在 Qunar 常用的迁移场景：过保机器替换、MMM 集群数据库版本升级、MMM 升级 PXC 集群等。

实现了一些常用的场景，但日常的迁移需求远远不止于此，稍微一变，后台定义的模板就无法满足需求，就得重新开发一个模板，非常不友好。所以为了满足更多的需求，我们实现了在 Web 端自定义迁移流程，每个操作人可以自行组合迁移子任务。

3.1 程序整体架构

3.1.1 任务池

独立的任务，可以理解为某一个运维操作，每个任务可以是一条简单命令，例如启动数据库、关闭数据库，也可能是一系列操作。但步骤拆分的越细，复用程度就会越高，可应用在更多的场景。使用 SaltStack 实现对服务器的远程操作

3.1.2 任务模板

后台定义模板

早期由各个子任务定制组合成的常用迁移流程，每次操作仅需要配置迁移参数即可，整个耗时过程无需值守。目前已实现了 Qunar DBA 常见的运维场景；比如：集群版本升级、架构升级、过保替换、部署、卸载等。

Qunar 目前使用情况如下：

• MMM 版本升级：Qunar 内部有不少 MySQL5.5 的 MMM 老集群，均已完成升级，每套节省时间约1小时

• 集群部署：人工需要30分钟，自动化程序约3分钟，目前已使用自动化部署集群超过180套

• 过保机器替换：4年内过保机器超过400台，使用自动化程序迁移过程无需人为值守，节省超过90%的时间

• 单实例备份迁移：主要适用集群的资源整合，机器之间数据库实例迁移、配置中心上下线操作等一键操作

• 卸载集群：由于集群组件多，涉及操作步骤复杂，需要操作 zk、哨兵、git 等，自动化可一键完成

• MMM 升级 PXC 架构：目前 Qunar DBA 正在全公司范围内推行数据库架构升级，即将废弃老的架构 MMM，用 PXC 集群替换。第二季度已完成内部超过60%的 MMM 集群架构升级，共计80套，升级过程与业务解藕，支持服务滚动发布，无需割接、停服，仅涉及一次读写切换，对业务影响降低到秒级；纯升级时间由3小时变为20分钟，并且实现零故障升级

用户自定义模板

为支持更多迁移场景，支持通过 Web 页面自行配置。与固定模板不同之处在于参数之间的传递，固定模板因为由后台代码写死，预先知道每一个步骤需要哪些参数，通过程序传入即可。而自定义流程不能预先知道每一步之间参数如何传递，因此我们增加了一个参数池，用来存储所有输入以及输出的参数，后续任务只要定义了输入参数的名称，在参数池中都可以找到对应参数，找不到的情况，则说明任务流程配置不合理。

开发一个新的流程的成本非常低，流程大致如下：

1. 确认迁移过程的大致操作及所需要的子任务（如果任务池没有所需要的，则需要按照样本实现新的子任务功能） 例：QMHA 新增一个读节点，所需流程如下 机器初始化实例——> 备份并还原源端数据 ——> 创建主从复制 ——> 检查主从复制延时 ——> 配置中心添加并上线新节点

2. 平台编辑任务流程

   

3. 确认任务是否高 危 操作，是 否需要人为调度

4. 参数填写

   

5. 提交任务，或保存为模板，可供下次使用

3.1.3 迁移任务

迁移任务由 web 页面配置管理，任务详情中，包括：日志、快照(参数)、流程、管理。

• 管理页面，支持随时暂停/手动调度/标记任务已执行等

• 流程页面，记录每一步执行时间以及状态

• 快照，记录迁移参数

• 日志，实时打印执行信息

3.1.4 定时任务/手动调度

定时任务会每10秒查询一次任务表，取出满足执行条件的任务放入执行队列中，等待任务被调度执行；手动调度是由操作人在页面点击按钮，调用接口进行任务调度。

3.1.5 执行队列

使用 celery 任务队列，支持多线程，多个流程并发执行；只需将任务放入队列，程序自行调度，执行结果会反馈到具体执行的任务步骤中。

3.2 使用工具

开发工具：Python3.6 + Tornado + Celery 远程命令调用：SaltStack

4. 总结

自动化迁移程序，将冗长而复杂的迁移流程，通过拆分组合的方式，使用程序实现，对于 DBA 来说，仅需要配置任务的时间，无需登录机器进行复杂的操作，大大提升了运维效率，并且在很大程度上避免了人为故障的发生，真正实现了线上环境操作的规范化和自动化

Qunar DBA 部门正在推进架构升级，即将废弃老的 MMM 架构，使用 PXC 代替。目前已经使用自动化程序完成超过60%的 MMM 集群架构升级。PXC 集群采用 namespace 的方式，对客户端屏蔽了数据库实例真实 ip 地址，这对后续数据库资源池管理提供了可行性，而自动化迁移程序的实现，也为后续资源池管理，实例迁移整合提供了基础工具。