異地多活指分布在異地的多個站點同時對外提供服務的業務場景。異地多活是高可用架構設計的一種，與傳統的災備設計的最主要區別在於「多活」，即所有站點都是同時在對外提供服務的。
以乙個簡單的業務單元的it系統為例，整個it系統的異地多活方案如下圖所示。
整個方案將各站點分為：分流量層、應用層和資料層。
單元封閉：
應用要走向異地，首先要面對的便是物理距離帶來的延時。 如果某個應用請求需要在異地多個單元對同一行記錄進行修改，為滿足異地單元間資料庫資料的一致性和完整性，我們需要付出高昂的時間成本。此外，如果某個應用請求需要多次訪問異地單元，且各單元間服務再被服務呼叫，那物理延時將無法預估。
因此，資料庫異地多活的問題轉移到了如何避免跨單元的問題，即要做到單元內資料讀寫封閉，不能出現不同單元對同一行資料進行修改，所以我們需要找到乙個維度去劃分單元，避免資料寫衝突。
資料拆分：
選擇什麼維度來解決單點寫的問題，要從業務本身入手去分析。例如電商的業務，最重要的流程即下單交易流程，從下單業務對資料劃分單元時，改造成本最低、使用者體驗相對好的便是買家維度，即通過買家id進行下單業務拆分，如下圖所示。
買家的下單操作在買家所在的本單元內即可完成讀寫封閉。 按照上述示例劃分業務，就意味著非買家維度的就需要做一定的妥協。對於非買家維度的操作，比如賣家操作(例如商品資料的修改)就可能會跨單元，對於買家與賣家資料讀一致的問題，
可以接受「最終一致」的就通過讀寫分離的方案， 不能接受「最終一致」的則需要跨單元訪問。
資料同步：
將業務劃分多個單元以後，對於資料庫來說，面臨的最大挑戰就是資料同步，因為對於單元封閉的買家維度的資料(unit型別)需要把單元的資料全部同步到中心，對於讀寫分離型別的(copy型別)，我們要把中心的資料同步到單元。
原生的資料庫複製無法滿足單元化複雜的同步需求(例如，只同步部分的資料、庫表的過濾、雙向迴圈、api服務化等定製化的需求 )，在普通業務邏輯場景下，dts的同步效能更高效、更穩定，dts也成為多活的基礎設施。具體的資料同步如下圖所示。
快取失效
實現資料層異地多活後，業務希望實時獲取資料庫變更訊息，單元的快取失效實現可通過資料訂閱實現。 通過資料訂閱提供的消費 sdk，業務層可訂閱 rds 增量資料然後觸發更新單元的快取，通過這樣的方式，應用無需實現快取更新邏輯，架構更加簡單。
核心產品
阿里雲資料庫異地多活解決方案使用以下阿里雲核心產品，按照架構設計原則提供資料層多活解決方案。
drds
按照之前說的業務資料拆分的維度，阿里雲drds有兩種集群分別支援買家維度與賣家維度：
unit 模式的drds集群：多地使用者分別在本地域讀寫本地域的資料，且本地域的資料會和中心資料做雙向同步。
copy 模式的drds集群：此集群資料在中心資料庫寫，完成後全量同步到各個單元。 需要注意的是，drds層面需要增加對資料寫入路由的判斷：如果是跨單元的寫，則判斷為非法操作並丟擲異常，確保資料不會跨單元寫。
dts資料複製是資料庫多活設計關鍵的一環，其中資料複製的正確性是第一位，同時效率也很關鍵。阿里雲dts支援多重的check ，避免迴圈複製(用事務表，或者thread_id方案)，
採用並行複製(序列的分發，衝突檢測，並行的執行)、大事務切割來保證最終一致性。
資料校驗也是關鍵的一環，阿里雲dts 通過全量校驗工具(tcp)和增量校驗工具(amg)來保證實時/定時檢查中心和單元的資料準確性，確保線上資料的萬無一失。
hdm阿里雲hdm提供了drds集群的搭建、同步鏈路的建立、多活的資料庫監控、資料校驗、集群擴縮容以及自動化的容災等服務，都可通過hdm完成，通過hdm實現了異地多活場景下資料庫的管理。
兩地容災切換方案
容災是異地多活中最核心的一環， 以兩個城市異地多活部署架構圖為例：
在兩個城市(城市1位於華南1地域、城市2位於華東1地域)均部署一套完整的業務系統。
下單業務按照「user_id」％ 100 進行分片，在正常情況下：
[00~49]分片所有的讀寫都在城市1的資料庫例項主庫。
[50～99]分片所有的讀寫都在城市2的資料庫例項主庫。
「城市1的資料庫例項主庫」和 「城市2的資料庫例項主庫」建立dts雙向複製。
當出現異常時，需要進行容災切換。可能出現的場景有以下4種：
序號異常情況
操作城市1資料庫主庫故障
資料庫引擎完成主備切換
dts自動切換到城市1新主庫讀取新的增量更新，然後同步到城市2的資料庫例項
有兩種處理方案：
城市1所有資料庫故障
有兩種處理方案：
城市1的全部數庫流量切換到城市2
城市1資料庫到城市2資料庫的dts資料同步鏈路停止
在城市2中，dts啟動，儲存［00-49］分片的變更
城市1故障恢復後，［00-49］的增量資料同步到城市1的資料庫例項
同步結束後，將［00-49］的資料庫流量從城市2切回到城市1啟動［00-49］分片從城市1到城市2的dts同步
server、資料庫切換到到另乙個城市。
多城異地多活
多城市異地多活模式指的是3個或者3個以上城市間部署異地多活。該模式下存在中心節點和單元節點：
中心節點：指單元節點的增量資料都需要實時的同步到中心節點，同時中心節點將所有分片的增量資料同步到其他單元節點。
單元節點：即對應分片讀寫的節點，該節點需要將該分片的增量同步到中心節點，並且接收來自於中心節點的其他分片的增量資料。
下圖是3城市異地多活架構圖，其中華東1就是中心節點，華南1和華北1是單元節點。
單元城市級故障
當單元城市出現故障，業務需要切換時，以華北1城市級故障為例：
容災華北1(單元)的全部數庫流量切換到華東1(中心)；
華北1(單元)資料庫到華東1(中心)資料庫的dts資料同步鏈路停止，並記錄同步位點
分片［70-99］的讀寫切換到華東1(中心)
恢復重建華北1(單元)；
華北1(單元)資料遷移和同步完成後，停止分片［70-99］在華東1(中心)的讀寫；
停止華東1(中心)到華北1(單元)分片［70-99］的資料同步；
建立華北1(單元)到華東1(中心)的資料同步；
將分片［70-99］的讀寫切換到華北1(單元)；
華北1(單元)的資料庫主庫開啟寫入；
檢查；中心城市級故障
當中心城市出現故障，業務需要切換時，以華東1城市級故障為例：
容災華東1(中心)的全部數庫流量切換到華南1(單元)；
華東1(中心)資料庫到華南1(單元)資料庫的dts資料同步鏈路停止；
華東1(中心)資料庫到華北1(單元)資料庫的dts資料同步鏈路停止；
華南1(單元)資料庫到華東1(中心)資料庫的dts資料同步鏈路停止；
華北1(單元)資料庫到華東1(中心)資料庫的dts資料同步鏈路停止；
新增華南1(單元)資料庫到華北1(單元)分片［30～99］的dts資料同步鏈路；
恢復重建華東1(中心)；
華東1(中心)資料遷移和同步完成後，停止分片［30-69］在華南1(單元)的讀寫；
停止華東1(中心)到華南1(單元)分片［00-29］的資料同步；
建立華東1(中心)到華南1(單元)的資料同步；
建立華東1(中心)到華北1(單元)的資料同步；
將分片［00-29］的讀寫切換到華南1(單元)；
華南1(單元)的資料庫主庫開啟寫入；
檢查；
mysql異地多活方案 最易懂的資料庫異地多活方案
前言 今天我們將嘗試 資料庫的異地多活高可用。注意，我們討論的都是超大資料量 50tb 級別 的資料庫。第一種直接上分布式資料庫，目前市面上常見的有 3 種，tidb，阿里雲 polardb，亞馬遜 aurora。雖然 tidb 可以將資料 sharding 到各個城市，但由於各個城市的物理距離導致...
mysql異地多活方案 最易懂的資料庫異地多活方案
今天我們將嘗試 資料庫的異地多活高可用。注意，我們討論的都是超大資料量 50tb 級別 的資料庫。直接上分布式資料庫，目前市面上常見的有 3 種，tidb，阿里雲 polardb，亞馬遜 aurora。雖然 tidb 可以將資料 sharding 到各個城市，但由於各個城市的物理距離導致的網路消耗，...
mysql異地多活方案 最易懂的資料庫異地多活方案
今天我們將嘗試 資料庫的異地多活高可用。注意，我們討論的都是超大資料量 50tb 級別 的資料庫。直接上分布式資料庫，目前市面上常見的有 3 種，tidb，阿里雲 polardb，亞馬遜 aurora。雖然 tidb 可以將資料 sharding 到各個城市，但由於各個城市的物理距離導致的網路消耗，...