容灾设计真实案例分析

DR（Disaster Recovery）系统容灾和BC（Business Continuity）业务连续性解决方案是业界基础架构Infrastructure方面的一个主要解决方案，各大存储硬件和软件公司都有自己的解决方案，总的来说，分为基于存储、服务器、以及软件应用三种方式或者相互组合。因为通常来说，容灾解决方案都会在业务系统已经投入运行一段时间后，由于重要性的不断增加才提上日程，所以建设一个容灾系统必须完善地考虑对现有系统的综合影响，仔细设计，否则会产生各种各样的麻烦和困难。下面就和大家分享一个真实的案例。

客户是一家在全球芯片行业排名靠前的外资企业，在中国拥有200mm和300mm两条生产线，每条生产线都有自己的MES（制造执行系统）系统。其中数据库MESDB是重中之重，采用Oracle RAC来实现高可靠性，跑在两台满配的HP rp7640上，后升级到rp8640，存储系统也采取了HP高端的XP12000。每个系统的两台主机通过自己的SAN连接到自己的XP12000上，两台XP12000通过CA（continuous access，类似EMC的SRDF）软件同步对方的MESDB数据库，防范万一XP12000故障，数据不丢失。系统架构图如下：

由于是芯片企业，系统可靠性是第一位的，一旦停机损失惨重（每小时的损失高达100万美金，主要是停产的产品销售额和高昂机器设备的折旧），所以在IT系统上是非常舍得投入的。虽然采用了RAC，但负载全部集中在其中一台机器上，采购两台一样配置的机器加RAC就是为了在down机时，能零时间切换到另外一台机器上。

从上图可以看出，200mm和300mm的MES系统互相隔离，两个SAN也没有连接起来。客户的应用部门认为，万一300mm的存储XP12000坏掉，虽然在200mm的XP12000系统上仍然有数据，但是应用并不能自动切换来访问，所以提出了系统容灾的项目。由于系统大部分是HP的，当然HP被邀请提交解决方案。另外客户在其他的系统上还使用了EMC的Symmetrix，有竞争才能获得更好的价格，同时EMC也对这样一个大客户虎视眈眈，所以EMC也参与了方案提交。最后总共提交了三个方案：

方案 1：HP Campuscluster + RAC

方案 2：HP Metrocluster+CA

方案 3：Oracle data guard

方案 1

采用HP的Campuscluster来实现200mm和300mm两套系统的自动切换，利用Mirrordisk实现两个site的数据同步。该方案的系统架构图如下：

方案 1的优点：支持Oracle RAC，可以实现在灾难时，零时间切换到另外一个site。实施不需要停机。

方案 1的缺点：不支持CA，浪费现有投资；需要将两个SAN连接起来，让所有的Server可以访问两个存储，主机利用Mirrordisk同时写两边的存储，对主机的性能有影响。

本来这是一个不错的方案，但是由于XP在LUN上已经配置了条带化Strip（不知道是谁出的主意），Mirrordisk不支持，需要去掉strip，重新划卷，然后重新安装Oracle，从磁带备份恢复数据。这样不但需要停机1天以上，而且风险极大（客户的磁带备份重来没有做过恢复测试），万一数据无法恢复将变成一个大事故。