集群如何配置才能实现自动故障切换？

[0Jvang]

我搭建了一个2主2备的集群，在停掉1个主节点后，集群就不可用了，请问集群如何配置才能实现自动故障切换？

[vinchen]

必须3个master以上才能实现自动故障切换 因为需要超过1半的票数

[0Jvang]

我现在搭建了3主3从的集群，在停掉一个主节点后，集群还是不可用：

145e4ce1943f20806d8878faf91c4f47fdba8af8 192.168.0.136:9094@19094 master,fail - 1627702684589 1627702681538 1 disconnected 0-5461
1d2fc1c21225be12c6cb1e54e16240c2aa263b16 192.168.0.2:9094@19094 myself,slave 145e4ce1943f20806d8878faf91c4f47fdba8af8 0 1627702907000 0 connected

对应的从节点报了2个错：

• 错误1：停掉主节点前后一直都有

  E0731 11:38:59.658396  2318 spov.cpp:153] slaveStartFullsync rollback, rm dir:/var/webscanner/center/tendis/data/db/2_bak failed:No such file or directory
  E0731 11:38:59.670660  2319 spov.cpp:153] slaveStartFullsync rollback, rm dir:/var/webscanner/center/tendis/data/db/3_bak failed:No such file or directory
  E0731 11:38:59.693399  2317 spov.cpp:153] slaveStartFullsync rollback, rm dir:/var/webscanner/center/tendis/data/db/4_bak failed:No such file or directory

• 错误2：停掉主节点后才出现

  E0731 11:39:01.198814  2326 cluster_manager.cpp:2758] vote fail, data age to large:1627702725199 limtTime is:151000
  E0731 11:39:01.301354  2326 cluster_manager.cpp:2758] vote fail, data age to large:1627702725302 limtTime is:151000

@vinchen

[0Jvang]

• 主节点崩掉情况下从节点的报错 说明最直接的那条报错vote fail, data age to large:1627702725302 limtTime is:151000 意思是data age大于节点互连超时时间导致选举失败，发现data age总是等于当前时间戳，那么肯定会比节点互连超时时间大，查了源码中data age的计算方式： https://github.com/Tencent/Tendis/blob/532b9a9513e2ef644b1d55585fbf4422dfee84d9/src/tendisplus/cluster/cluster_manager.cpp#L2826 data age总是为当前时间戳的原因可能是跟binlog有关的getLastBinlogTs()返回0

• 正常情况下从节点的报错 W0804 17:53:54.418036 3624 spov.cpp:186] storeId:4,syncMaster:192.168.0.137:9094:4 failed:-ERR:3,msg:fullSync master not ok 这里的日志说主节点全量同步时不ok，可能是导致了data age总是为当前时间戳的原因，不知道是怎么回事，能提供点帮助吗 @vinchen

[0Jvang]

问题解决了，忽略了一个warning：fullSync req master failed:-NOAUTH Authentication required.，没有配置主从同步密码masterauth参数项