达梦数据库集群守护（DM Cluster Guardian）作为企业级高可用解决方案，通过实时监控与自动切换机制保障业务连续性。本文将深入解析其技术原理，并提供完整的实战部署指南。
一、核心架构与技术原理

1. 三层架构体系
   ┌───────────────────────────────────────────────┐
   │ 应用层 │
   │ ┌─────────┐ ┌─────────┐ ┌─────────┐ │
   │ │ 应用程序 │ │ 应用程序 │ │ 应用程序 │ │
   │ └─────────┘ └─────────┘ └─────────┘ │
   ├───────────────────────────────────────────────┤
   │ 中间层 │
   │ ┌─────────┐ ┌─────────┐ ┌─────────┐ │
   │ │ 连接池 │ │ 负载均衡 │ │ 监控中心 │ │
   │ └─────────┘ └─────────┘ └─────────┘ │
   ├───────────────────────────────────────────────┤
   │ 数据层 │
   │ ┌─────────┐ ┌─────────┐ ┌─────────┐ │
   │ │ 主数据库 │──│ 备数据库 │──│ 备数据库 │ │
   │ └─────────┘ └─────────┘ └─────────┘ │
   │ ↑↓ ↑↓ ↑↓ │
   │ ┌─────────┐ ┌─────────┐ ┌─────────┐ │
   │ │ 守护进程 │ │ 守护进程 │ │ 守护进程 │ │
   │ └─────────┘ └─────────┘ └─────────┘ │
   └───────────────────────────────────────────────┘
2. 关键组件功能
   数据库实例（DMInstance）：负责数据存储与业务处理
   守护进程（DmWatcher）：实时监控数据库状态，执行切换决策
   监视器（DmMonitor）：提供集群管理界面，支持手动干预
   通信机制：基于 TCP/IP 的加密通信协议，保障数据传输安全
3. 高可用实现机制
   故障检测：心跳包（默认 2 秒间隔）+ SQL 验证（周期执行 SELECT 1）
   自动切换：主库故障时，守护进程通过 Paxos 算法选举新主库
   数据一致性：采用同步 / 异步双模式，支持强一致性（SYNC_MIRROR）和高性能（ASYNC_MIRROR）配置
   二、实战部署指南
4. 环境准备
   硬件配置：

角色 CPU 内存 存储 网络
主库 8 核 + 16GB+ SSD 500GB+ 双万兆网卡
备库 8 核 + 16GB+ SSD 500GB+ 双万兆网卡
监视器 4 核 + 8GB+ HDD 100GB+ 千兆网卡

软件环境：

操作系统：CentOS 7.6+ / RedHat 7.6+
数据库版本：DM 8.1.1.193+
防火墙策略：开放 TCP 5236（数据库）、4536（守护进程）、5336（监视器）端口
2. 集群规划
服务器 IP 地址 实例名 端口 角色
dm-primary 192.168.1.101 DMSERVER 5236 主库
dm-standby1 192.168.1.102 DMSERVER 5236 备库 1
dm-standby2 192.168.1.103 DMSERVER 5236 备库 2
dm-monitor 192.168.1.104 - 5336 监视器
3. 数据库基础配置
主库配置文件 (dm.ini)：
INSTANCE_NAME = DMSERVER
PORT_NUM = 5236
DW_INACTIVE_INTERVAL = 60
ALTER_MODE_STATUS = 0
ENABLE_OFFLINE_TS = 2
MAL_INI = 1
ARCH_INI = 1
RLOG_SEND_APPLY_MON = 64
主库 MAL 配置 (mal.ini)：
[MAL_INST1]
MAL_INST_NAME = DMSERVER
MAL_HOST = 192.168.1.101
MAL_PORT = 4536
MAL_INST_HOST = 192.168.1.101
MAL_INST_PORT = 5236
MAL_DW_PORT = 5636

[MAL_INST2]
MAL_INST_NAME = DMSERVER
MAL_HOST = 192.168.1.102
MAL_PORT = 4536
MAL_INST_HOST = 192.168.1.102
MAL_INST_PORT = 5236
MAL_DW_PORT = 5636

[MAL_INST3]
MAL_INST_NAME = DMSERVER
MAL_HOST = 192.168.1.103
MAL_PORT = 4536
MAL_INST_HOST = 192.168.1.103
MAL_INST_PORT = 5236
MAL_DW_PORT = 5636
主库归档配置 (arch.ini)：
[ARCHIVE_REALTIME]
ARCH_TYPE = REALTIME
ARCH_DEST = DMSERVER_STANDBY1

[ARCHIVE_LOCAL1]
ARCH_TYPE = LOCAL
ARCH_DEST = /dmarch
ARCH_FILE_SIZE = 1024
ARCH_SPACE_LIMIT = 0
4. 守护进程配置
主库守护进程配置 (dw.ini)：
[GRP1]
DW_TYPE = GLOBAL
DW_MODE = AUTO
DW_ERROR_TIME = 10
INST_RECOVER_TIME = 60
INST_ERROR_TIME = 10
INST_OGUID = 453331
INST_INI = /dm7/data/DMSERVER/dm.ini
INST_AUTO_RESTART = 1
INST_STARTUP_CMD = /dm7/bin/dmserver
RLOG_SEND_THRESHOLD = 0
RLOG_APPLY_THRESHOLD = 0
5. 监视器配置
[GRP1]
MON_DW_IP = 192.168.1.101:5636
MON_DW_IP = 192.168.1.102:5636
MON_DW_IP = 192.168.1.103:5636

[GRP1]
MON_INST_OGUID = 453331
MON_DW_CONFIRM = 1
MON_LOG_PATH = /dm7/monitor/log
MON_LOG_INTERVAL = 60
MON_LOG_FILE_SIZE = 32
MON_LOG_SPACE_LIMIT = 0
6. 集群搭建步骤
步骤 1：初始化主库

创建实例

./dminit path=/dm7/data instance_name=DMSERVER port_num=5236

修改配置文件

vi /dm7/data/DMSERVER/dm.ini
vi /dm7/data/DMSERVER/mal.ini
vi /dm7/data/DMSERVER/arch.ini

启动数据库

./dmserver /dm7/data/DMSERVER/dm.ini
步骤 2：创建 OGUID 并备份主库
-- 在主库执行
SP_SET_PARA_VALUE(1, 'ALTER_MODE_STATUS', 1);
SP_SET_PARA_VALUE(1, 'ENABLE_OFFLINE_TS', 2);
SP_SET_OGUID(453331);
CREATE PUBLIC SYNONYM SNAPSHOT FOR SYS.SNAPSHOT;
COMMIT;

-- 备份数据库
BACKUP DATABASE FULL TO BACKUP_FILE1;
步骤 3：配置备库

使用dmrman工具恢复到备库服务器

./dmrman CTLSTMT="RESTORE DATABASE '/dm7/data/DMSERVER/dm.ini' FROM BACKUPSET '/dm7/backup/BACKUP_FILE1'"

修改备库dm.ini配置

vi /dm7/data/DMSERVER/dm.ini

修改备库归档配置

vi /dm7/data/DMSERVER/arch.ini
步骤 4：配置守护进程

在所有节点创建守护进程配置文件

vi /dm7/data/DMSERVER/dw.ini

启动守护进程(静默模式)

./dmwatcher /dm7/data/DMSERVER/dw.ini -m mount
步骤 5：启动监视器
./dmmonitor /dm7/data/dmmonitor.ini
步骤 6：切换集群至 OPEN 模式

在监视器中执行

<GRP1> switchover DMSERVER

三、运维与监控要点

1. 日常监控指标
   守护进程状态：正常 / 异常
   数据库实例状态：OPEN/MOUNT
   归档延迟：主备库归档日志差距
   网络延迟：MAL 链路 RTT 值
   资源使用：CPU / 内存 / 磁盘 I/O
2. 常见故障处理
   故障类型 处理流程
   主库硬件故障 1. 监视器自动切换备库为主库
3. 修复故障硬件
4. 重新加入集群
   网络中断 1. 检查网络设备
5. 恢复网络连接
6. 自动同步追平数据
   归档日志满 1. 清理历史归档
7. 调整 ARCH_SPACE_LIMIT 参数
8. 重启数据库
9. 性能优化建议
   调整 MAL_SEND_BUF_SIZE 参数，优化网络传输性能
   配置 ARCH_FILE_SIZE 参数，减少归档切换频率
   采用 SSD 存储，提升日志写入速度
   定期执行统计信息收集，优化查询计划
   四、最佳实践总结
   架构设计：采用 "两地三中心" 部署模式，实现跨区域容灾
   安全加固：启用 SSL 加密通信，配置细粒度访问控制
   监控体系：集成 Prometheus+Grafana，构建可视化监控平台
   应急预案：定期演练故障切换流程，确保 15 分钟内恢复业务