Seminar TiDB Hochverfügbarkeit, Placement und Disaster Recovery

Hochverfügbarkeit entsteht aus Quorum, Fehlerdomänen, Datenplatzierung, Verbindungsumschaltung und geübten Betriebsentscheidungen. Das Seminar entwickelt daraus ein überprüfbares Resilienz- und Disaster-Recovery-Konzept.

Drei Tage sind notwendig, um lokale Hochverfügbarkeit, Placement, standortübergreifende Replikation und kontrollierte Failover- sowie Rückkehrtests mit realistischen Fehlerfällen zu verbinden.

Inhaltsverzeichnis

1. Lernziele und fachliche Einordnung
2. Zielgruppe und Voraussetzungen
3. Kapitel 1: Fehlerdomänen und Hochverfügbarkeitsarchitektur
4. Kapitel 2: Placement Rules und Datenlokalität
5. Kapitel 3: Standortübergreifende Replikation und DR
6. Kapitel 4: Failover-, Recovery- und Rückkehrtests
7. Kapitel 5: Betriebsführung für Resilienz
8. Praxisübungen und Laborszenarien
9. Didaktik und Arbeitsweise

Lernziele

• Fehlerdomänen und Quorum-Anforderungen korrekt modellieren.
• Placement Rules für Zonen, Racks und Datenlokalität entwerfen.
• Ein standortübergreifendes DR-Modell mit RPO und RTO aufbauen.
• Failover, Datenprüfung und Rückkehr zum Normalbetrieb testen.
• Resilienzprozesse in wartbare Runbooks überführen.

Zielgruppe und Voraussetzungen

Zielgruppe: Datenbankadministration, Plattformbetrieb, SRE, Architektur, Business Continuity, Notfallmanagement und technische Revision.

Voraussetzungen: TiDB-Architekturkenntnisse, Erfahrung mit Hochverfügbarkeit, Netzwerk und Backup sowie sicherer Umgang mit Betriebsrunbooks.

Kapitel 1: Fehlerdomänen und Hochverfügbarkeitsarchitektur

Inhaltsverzeichnis dieses Kapitels

1. TiDB-, PD- und TiKV-Redundanz
2. Raft-Mehrheiten und Quorum
3. Zonen-, Rack- und Hostausfälle
4. TiProxy, Endpunkte und Anwendungsverhalten

Schwerpunkt: TiDB-, PD- und TiKV-Redundanz, Raft-Mehrheiten und Quorum, Zonen-, Rack- und Hostausfälle, TiProxy, Endpunkte und Anwendungsverhalten.

Schritt-für-Schritt-Anleitung

1. Schritt 1: Zielbild und Randbedingungen erfassen

   Für den Themenblock werden Einsatzfall, gewünschte Servicequalität, Daten- und Sicherheitsanforderungen sowie die Abhängigkeiten zu TiDB-, PD- und TiKV-Redundanz und Raft-Mehrheiten und Quorum dokumentiert. Messbare Prüfkriterien verhindern, dass Konfigurationen nur nach Einzelbeobachtungen bewertet werden.

2. Schritt 2: Komponenten und Datenflüsse modellieren

   Rollen, Konfigurationsobjekte, Datenwege, Zustandsübergänge und Fehlergrenzen werden anhand von TiDB-, PD- und TiKV-Redundanz, Raft-Mehrheiten und Quorum, Zonen-, Rack- und Hostausfälle, TiProxy, Endpunkte und Anwendungsverhalten in einem technischen Ablaufmodell festgehalten. Verantwortlichkeiten und Voraussetzungen werden jedem Schritt eindeutig zugeordnet.

3. Schritt 3: Konfiguration oder Prozessfolge umsetzen

   Das Laborszenario wird vom definierten Ausgangszustand bis zum funktionsfähigen Ergebnis umgesetzt. SQL, Befehle, Konfigurationswerte oder Manifeste werden versioniert, kommentiert und mit den erwarteten Zwischenständen abgeglichen.

4. Schritt 4: Positiv-, Negativ- und Fehlerfälle prüfen

   Funktion, Konsistenz, Berechtigungen, Performance und Fehlermeldungen werden mit Normalfällen, Grenzwerten und gezielt ausgelösten Störungen getestet. Die Prüfung bezieht insbesondere Zonen-, Rack- und Hostausfälle und TiProxy, Endpunkte und Anwendungsverhalten ein.

5. Schritt 5: Betriebsfähigkeit und Wiederholbarkeit herstellen

   Erforderliche Metriken, Logs, Alarmkriterien, Rückfallpunkte und Wartungsschritte werden ergänzt. Abweichungen zwischen Soll und Ist werden als konkrete Korrekturmaßnahmen dokumentiert.

6. Schritt 6: Arbeitsergebnis standardisieren

   Als verbindliches Arbeitsergebnis entsteht ein Fehlerdomänenmodell mit erwarteter Systemreaktion. Das Ergebnis wird mit Abnahmekriterien, Zuständigkeiten und einem Termin für die nächste Überprüfung versehen.

Kapitel 2: Placement Rules und Datenlokalität

Inhaltsverzeichnis dieses Kapitels

1. Labels und Location Hierarchy
2. Replikatanzahl und Rollen
3. Leader- und Voter-Platzierung
4. Isolation, Compliance und Kapazitätsfolgen

Schwerpunkt: Labels und Location Hierarchy, Replikatanzahl und Rollen, Leader- und Voter-Platzierung, Isolation, Compliance und Kapazitätsfolgen.

Schritt-für-Schritt-Anleitung

1. Schritt 1: Zielbild und Randbedingungen erfassen

   Für den Themenblock werden Einsatzfall, gewünschte Servicequalität, Daten- und Sicherheitsanforderungen sowie die Abhängigkeiten zu Labels und Location Hierarchy und Replikatanzahl und Rollen dokumentiert. Messbare Prüfkriterien verhindern, dass Konfigurationen nur nach Einzelbeobachtungen bewertet werden.

2. Schritt 2: Komponenten und Datenflüsse modellieren

   Rollen, Konfigurationsobjekte, Datenwege, Zustandsübergänge und Fehlergrenzen werden anhand von Labels und Location Hierarchy, Replikatanzahl und Rollen, Leader- und Voter-Platzierung, Isolation, Compliance und Kapazitätsfolgen in einem technischen Ablaufmodell festgehalten. Verantwortlichkeiten und Voraussetzungen werden jedem Schritt eindeutig zugeordnet.

3. Schritt 3: Konfiguration oder Prozessfolge umsetzen

   Das Laborszenario wird vom definierten Ausgangszustand bis zum funktionsfähigen Ergebnis umgesetzt. SQL, Befehle, Konfigurationswerte oder Manifeste werden versioniert, kommentiert und mit den erwarteten Zwischenständen abgeglichen.

4. Schritt 4: Positiv-, Negativ- und Fehlerfälle prüfen

   Funktion, Konsistenz, Berechtigungen, Performance und Fehlermeldungen werden mit Normalfällen, Grenzwerten und gezielt ausgelösten Störungen getestet. Die Prüfung bezieht insbesondere Leader- und Voter-Platzierung und Isolation, Compliance und Kapazitätsfolgen ein.

5. Schritt 5: Betriebsfähigkeit und Wiederholbarkeit herstellen

   Erforderliche Metriken, Logs, Alarmkriterien, Rückfallpunkte und Wartungsschritte werden ergänzt. Abweichungen zwischen Soll und Ist werden als konkrete Korrekturmaßnahmen dokumentiert.

6. Schritt 6: Arbeitsergebnis standardisieren

   Als verbindliches Arbeitsergebnis entsteht ein geprüftes Placement-Konzept für Verfügbarkeit und Datenlokalität. Das Ergebnis wird mit Abnahmekriterien, Zuständigkeiten und einem Termin für die nächste Überprüfung versehen.

Kapitel 3: Standortübergreifende Replikation und DR

Inhaltsverzeichnis dieses Kapitels

1. Primär- und Sekundärcluster
2. TiCDC, Redo Log und Konsistenzziel
3. Netzwerklatenz, Rückstand und Datenprüfung
4. RPO, RTO, Umschalt- und Rückschaltstrategie

Schwerpunkt: Primär- und Sekundärcluster, TiCDC, Redo Log und Konsistenzziel, Netzwerklatenz, Rückstand und Datenprüfung, RPO, RTO, Umschalt- und Rückschaltstrategie.

Schritt-für-Schritt-Anleitung

1. Schritt 1: Zielbild und Randbedingungen erfassen

   Für den Themenblock werden Einsatzfall, gewünschte Servicequalität, Daten- und Sicherheitsanforderungen sowie die Abhängigkeiten zu Primär- und Sekundärcluster und TiCDC, Redo Log und Konsistenzziel dokumentiert. Messbare Prüfkriterien verhindern, dass Konfigurationen nur nach Einzelbeobachtungen bewertet werden.

2. Schritt 2: Komponenten und Datenflüsse modellieren

   Rollen, Konfigurationsobjekte, Datenwege, Zustandsübergänge und Fehlergrenzen werden anhand von Primär- und Sekundärcluster, TiCDC, Redo Log und Konsistenzziel, Netzwerklatenz, Rückstand und Datenprüfung, RPO, RTO, Umschalt- und Rückschaltstrategie in einem technischen Ablaufmodell festgehalten. Verantwortlichkeiten und Voraussetzungen werden jedem Schritt eindeutig zugeordnet.

3. Schritt 3: Konfiguration oder Prozessfolge umsetzen

   Das Laborszenario wird vom definierten Ausgangszustand bis zum funktionsfähigen Ergebnis umgesetzt. SQL, Befehle, Konfigurationswerte oder Manifeste werden versioniert, kommentiert und mit den erwarteten Zwischenständen abgeglichen.

4. Schritt 4: Positiv-, Negativ- und Fehlerfälle prüfen

   Funktion, Konsistenz, Berechtigungen, Performance und Fehlermeldungen werden mit Normalfällen, Grenzwerten und gezielt ausgelösten Störungen getestet. Die Prüfung bezieht insbesondere Netzwerklatenz, Rückstand und Datenprüfung und RPO, RTO, Umschalt- und Rückschaltstrategie ein.

5. Schritt 5: Betriebsfähigkeit und Wiederholbarkeit herstellen

   Erforderliche Metriken, Logs, Alarmkriterien, Rückfallpunkte und Wartungsschritte werden ergänzt. Abweichungen zwischen Soll und Ist werden als konkrete Korrekturmaßnahmen dokumentiert.

6. Schritt 6: Arbeitsergebnis standardisieren

   Als verbindliches Arbeitsergebnis entsteht ein Disaster-Recovery-Design mit Replikations- und Umschaltplan. Das Ergebnis wird mit Abnahmekriterien, Zuständigkeiten und einem Termin für die nächste Überprüfung versehen.

Kapitel 4: Failover-, Recovery- und Rückkehrtests

Inhaltsverzeichnis dieses Kapitels

1. kontrollierter Komponentenausfall
2. Verbindungsumschaltung und Schreibschutz
3. Datenkonsistenz nach Wiederanlauf
4. Rückkehr zum Normalbetrieb und Beweissicherung

Schwerpunkt: kontrollierter Komponentenausfall, Verbindungsumschaltung und Schreibschutz, Datenkonsistenz nach Wiederanlauf, Rückkehr zum Normalbetrieb und Beweissicherung.

Schritt-für-Schritt-Anleitung

1. Schritt 1: Zielbild und Randbedingungen erfassen

   Für den Themenblock werden Einsatzfall, gewünschte Servicequalität, Daten- und Sicherheitsanforderungen sowie die Abhängigkeiten zu kontrollierter Komponentenausfall und Verbindungsumschaltung und Schreibschutz dokumentiert. Messbare Prüfkriterien verhindern, dass Konfigurationen nur nach Einzelbeobachtungen bewertet werden.

2. Schritt 2: Komponenten und Datenflüsse modellieren

   Rollen, Konfigurationsobjekte, Datenwege, Zustandsübergänge und Fehlergrenzen werden anhand von kontrollierter Komponentenausfall, Verbindungsumschaltung und Schreibschutz, Datenkonsistenz nach Wiederanlauf, Rückkehr zum Normalbetrieb und Beweissicherung in einem technischen Ablaufmodell festgehalten. Verantwortlichkeiten und Voraussetzungen werden jedem Schritt eindeutig zugeordnet.

3. Schritt 3: Konfiguration oder Prozessfolge umsetzen

   Das Laborszenario wird vom definierten Ausgangszustand bis zum funktionsfähigen Ergebnis umgesetzt. SQL, Befehle, Konfigurationswerte oder Manifeste werden versioniert, kommentiert und mit den erwarteten Zwischenständen abgeglichen.

4. Schritt 4: Positiv-, Negativ- und Fehlerfälle prüfen

   Funktion, Konsistenz, Berechtigungen, Performance und Fehlermeldungen werden mit Normalfällen, Grenzwerten und gezielt ausgelösten Störungen getestet. Die Prüfung bezieht insbesondere Datenkonsistenz nach Wiederanlauf und Rückkehr zum Normalbetrieb und Beweissicherung ein.

5. Schritt 5: Betriebsfähigkeit und Wiederholbarkeit herstellen

   Erforderliche Metriken, Logs, Alarmkriterien, Rückfallpunkte und Wartungsschritte werden ergänzt. Abweichungen zwischen Soll und Ist werden als konkrete Korrekturmaßnahmen dokumentiert.

6. Schritt 6: Arbeitsergebnis standardisieren

   Als verbindliches Arbeitsergebnis entsteht ein vollständiges Failover- und Recovery-Testprotokoll. Das Ergebnis wird mit Abnahmekriterien, Zuständigkeiten und einem Termin für die nächste Überprüfung versehen.

Kapitel 5: Betriebsführung für Resilienz

Inhaltsverzeichnis dieses Kapitels

1. Bereitschaft, Eskalation und Entscheidungsrechte
2. Wartung ohne Quorum-Verlust
3. Kapazitäts- und Replikationsüberwachung
4. regelmäßige Tests und Aktualisierung der Runbooks

Schwerpunkt: Bereitschaft, Eskalation und Entscheidungsrechte, Wartung ohne Quorum-Verlust, Kapazitäts- und Replikationsüberwachung, regelmäßige Tests und Aktualisierung der Runbooks.

Schritt-für-Schritt-Anleitung

1. Schritt 1: Zielbild und Randbedingungen erfassen

   Für den Themenblock werden Einsatzfall, gewünschte Servicequalität, Daten- und Sicherheitsanforderungen sowie die Abhängigkeiten zu Bereitschaft, Eskalation und Entscheidungsrechte und Wartung ohne Quorum-Verlust dokumentiert. Messbare Prüfkriterien verhindern, dass Konfigurationen nur nach Einzelbeobachtungen bewertet werden.

2. Schritt 2: Komponenten und Datenflüsse modellieren

   Rollen, Konfigurationsobjekte, Datenwege, Zustandsübergänge und Fehlergrenzen werden anhand von Bereitschaft, Eskalation und Entscheidungsrechte, Wartung ohne Quorum-Verlust, Kapazitäts- und Replikationsüberwachung, regelmäßige Tests und Aktualisierung der Runbooks in einem technischen Ablaufmodell festgehalten. Verantwortlichkeiten und Voraussetzungen werden jedem Schritt eindeutig zugeordnet.

3. Schritt 3: Konfiguration oder Prozessfolge umsetzen

   Das Laborszenario wird vom definierten Ausgangszustand bis zum funktionsfähigen Ergebnis umgesetzt. SQL, Befehle, Konfigurationswerte oder Manifeste werden versioniert, kommentiert und mit den erwarteten Zwischenständen abgeglichen.

4. Schritt 4: Positiv-, Negativ- und Fehlerfälle prüfen

   Funktion, Konsistenz, Berechtigungen, Performance und Fehlermeldungen werden mit Normalfällen, Grenzwerten und gezielt ausgelösten Störungen getestet. Die Prüfung bezieht insbesondere Kapazitäts- und Replikationsüberwachung und regelmäßige Tests und Aktualisierung der Runbooks ein.

5. Schritt 5: Betriebsfähigkeit und Wiederholbarkeit herstellen

   Erforderliche Metriken, Logs, Alarmkriterien, Rückfallpunkte und Wartungsschritte werden ergänzt. Abweichungen zwischen Soll und Ist werden als konkrete Korrekturmaßnahmen dokumentiert.

6. Schritt 6: Arbeitsergebnis standardisieren

   Als verbindliches Arbeitsergebnis entsteht ein Resilienz-Runbook für geplante und ungeplante Ereignisse. Das Ergebnis wird mit Abnahmekriterien, Zuständigkeiten und einem Termin für die nächste Überprüfung versehen.

Praxisübungen und Laborszenarien

• Ausfallwirkungen für TiDB, PD, TiKV und TiProxy modellieren.
• Placement Rules für drei Fehlerdomänen entwerfen und prüfen.
• Ein DR-Szenario mit Replikationsrückstand und Umschaltkriterien planen.
• Komponentenausfall, Anwendungsumschaltung und Datenprüfung im Labor durchführen.
• Ein Resilienz-Runbook mit Entscheidungsrechten und Wartungsregeln erstellen.

Didaktik und Arbeitsweise

Kurze Fachimpulse werden unmittelbar durch Demonstrationen, strukturierte Konfigurations- oder SQL-Schritte, kontrollierte Fehlerfälle und dokumentierte Prüfpunkte vertieft. Jede Übung beginnt mit einem definierten Ausgangszustand und endet mit messbaren Abnahmekriterien, damit die erarbeiteten Vorgehensweisen als wiederholbare Standards nutzbar bleiben.