作业帮跨云集群的就近本地访问

跨云集群的就近本地访问 #

业务需求 #

作业帮为了确保某个业务 Elasticsearch 集群的高可用,在百度云和华为云上面采取了双云部署,即将单个 Elasticsearch 集群跨云进行部署,并且要求业务请求优先访问本地云。

Elasticsearch 单集群双云实现 #

Elasticsearch 集群采用 Master 与 Data 节点分离的架构。 目前主力云放 2 个 Master,另外一个云放一个 Master。 主要考虑就是基础设施故障中,专线故障问题是大多数,某个云厂商整体挂的情况基本没有。 所以设置了主力云,当专线故障时,主力云的 Elasticsearch 是可以读写的,业务把流量切到主力云就行了。

具体配置方式如下。

首先,在 Master 节点上设置:

cluster.routing.allocation.awareness.attributes: zone_id
cluster.routing.allocation.awareness.force.zone_id.values: zone_baidu,zone_huawei

然后分别在百度云上数据节点上设置:

node.attr.zone_id: zone_baidu

和华为云上数据节点上设置:

node.attr.zone_id: zone_huawei

创建索引采用 1 副本,可以保证百度云与华为云上都有一份相同的数据。

业务访问方式如下图:

跨云单集群就近访问

  • 百度云业务 -> 百度 lb -> INFINI Gateway (百度) -> Elasticsearch (百度云 data 节点)
  • 华为云业务 -> 华为 lb -> INFINI Gateway (华为) -> Elasticsearch (华为云 data 节点)

极限网关配置 #

Elasticsearch 支持一个 Preference 参数来设置请求的优先访问,通过在两个云内部的极限网关分别设置各自请求默认的 Preference 参数,让各个云内部的请求优先发往本云内的数据节点,即可实现请求的就近访问。

具体的百度云的 INFINI Gateway 配置如下(华为云大体相同,就不重复贴了):

path.data: data
path.logs: log

entry:
- name: es-test
  enabled: true
  router: default
  network:
      binding: 0.0.0.0:9200
      reuse_port: true

router:
- name: default
  default_flow: es-test

flow:
- name: es-test
  filter:
    - set_request_query_args:
        args:
          - preference -> _prefer_nodes:data-baidu01,data-baidu02 #通过配置preference的_prefer_nodes为所有的百度data节点,来实现百度云的业务优先访问百度云的节点,最大程度避免跨云访问,对业务更友好。
        when:
          contains:
            _ctx.request.path: /_search
    - elasticsearch:
        elasticsearch: default  
        refresh:
            enabled: true
            interval: 10s
        roles:                    
            include:
            - data #配置为data,请求只发送到data节点
        tags:
          include:
            - zone_id: zone_baidu #只转发给百度云里面的节点


elasticsearch:
- name: default
  enabled: true
  endpoint: http://10.10.10.10:9200
  discovery:
      enabled: true
  refresh:
      enabled: true
      interval: 10s
  basic_auth:
      username: elastic
      password: elastic

总结与收益 #

引入极限网关前故障回顾 #

百度云业务访问 Elasticsearch 集群,拉取每天的增量数据同步到 Hive 集群,其中有几个任务失败后,又重新同步。结果是部分数据从华为云的 Elasticsearch 节点拉取到百度云的 Hive 集群中,数据量巨大导致跨云专线流量监控告警。由于线上业务、MySQL、Redis、Elasticsearch 等使用同一根专线, 此次故障影响面较大。临时解决方案是业务修改语句加入 Preference 参数来实现业务只拉取本地云数据,减少对专线的占用。但是一方面业务改造及维护成本较高;另一方面作为 DBA 会担心业务改造有疏漏、新增业务遗忘 Preference 参数、以及后期调整成本较高,这始终是一个风险点。

引入极限网关的收益 #

在原有架构上加入极限网关,可以在业务不修改代码的情况下做到优先访问本地云,提升访问速度的同时,最大限度减少对专线的压力。

作者:赵青,前网易 DBA,工作主要涉及 Oracle、MySQL、Redis、Elasticsearch、Tidb、OB 等组件的运维以及运维自动化、平台化、智能化等工作。现就职于作业帮。