异地双活不是多部署一份:流量、数据、一致性三道坎

13 阅读3分钟

你好,我是徐文聪,现任建信金融科技应用架构总体组核心成员,此前在招商银行信用卡中心任架构师 6 年。很多团队做异地双活的起点,是在另一个机房把系统原样再部署一份,然后宣布“我们双活了”。真到切换演练那天才发现:流量切不过去、数据对不上、切过去又不敢切回来。多部署的那一份,反而多出一倍出事故的表面积。双活真正的难点是三道坎。

一、流量:切得过去,还要切得回来。服务端路由要本机房优先、机房内流量封闭,本机房实例不可用时才自动降级到异地,且降级做到实例级故障隔离,不要把整个机房流量一刀切走制造对端雪崩。客户端调度不能只靠 DNS:由路由控制服务按操作系统、用户 ID、设备、用户标签下发自定义路由表,客户端 SDK 据此决定请求去向,让备机房常态承接一部分真实流量(比如三成)而不是长期空转——空转的备机房在切换当天大概率切不过去。切换本身是一套带验证点的剧本:切换前检查、流量分批迁移、核心链路探活、业务对账确认、回切验证。切换的完成标准不是流量曲线动了,而是业务验证通过了。

二、数据:双活的账本只有一本。先破除双写幻想:冲突检测、时序、失败补偿会把复杂度推到团队 hold 不住。每一份数据在任意时刻只有一个机房是主写方,另一机房是只读或异步同步副本;单元化架构就是把客户识别、单元路由与数据归属在同一维度对齐。同步延迟消灭不了,要翻译成业务规则:哪些读可容忍秒级延迟、哪些必须读主、读自己的写。对账必须常态化:定时对账、差异告警、修复剧本。没有对账的双活是把不一致藏起来。

三、一致性:双活把一致性问题放大一倍。联机场景能用本地事务闭环的绝不升级为分布式事务;必须跨服务跨机房的,用可靠消息、TCC、Saga 时同时回答幂等、悬挂/空回滚、最终一致时间窗三问。批处理是账务事故高发区:断点续跑、重跑幂等、错账修复都要有剧本——判断一个团队的一致性水平,去看它跑批失败后敢不敢重跑就知道了。配置与消息也要一致:配置变更集支持多条配置一次性提交与回退,消息异步调用配本地缓存防丢失。

小结:三道坎底层是同一个问题——故障域的边界画在哪里,边界两侧靠什么契约协作。把三件事放在一张图上一起设计,才叫双活架构;分开做,就是三个各自为战的组件项目。这是我的课程《金融级高可用与异地多活实战》的第 11 讲节选,欢迎在评论区聊聊你踩过的双活坑。