基于Consul的高可用方案需要考虑的问题

最近和同事梳理了下高可用方案的一些细节，对于我来说，如果能够提前发现一些潜在的问题，那对于我们来说收益是最大的，毕竟高可用方案是我们发起的，一旦出现了不可用，不管出于何种原因，都算是我们工作的失职，在这个过程中也发现了一些过度设计的问题。

我们现在在力推基于Consul的域名服务，同时也提供了基于ACL的服务，整体上看是这样的数据关系。

对于Consul来说，一个重要的文件就是健康检查脚本了，这个脚本的魅力就在于它的威力，如果注册了域名A,但是健康检查失败了，那么这台服务器相关的域名解析都会失效，会根据负载均衡策略漂移到另外的节点上，这是一个动态的处理过程。

但是目前的实现方式存在一些逻辑的隐患。

目前健康检查中是依赖了ACL机制，如果ACL检查失败，则域名解析会直接失败。 这个问题会造成一种困境，那就是因为运维操作导致ACL注册错误->健康检查失败->域名解析失败->业务不可用。

而归根节点，业务是否关系这个ACL的配置，目前来看是否定的，而且这个配置是一个相对固定的配置，除非触发切换，是不大可能频繁变更的。

ACL的配置既然如此敏感，那么我们是不能100%保证不出问题的，同时还是CMDB,这些配置都有可能出现失误，只要涉及到人的操作，都有这种可能。所以因为业务不关心的一个属性导致业务关心的高可用产生了问题，就实在不应该了。所以我们可以果断去除健康检查中基于ACL的检测，而应该把这些机制锁定在本机检测，换句话说，内部的服务还需要依赖外部的服务，有些本末倒置。

但是如果单纯按照show slave hosts，复制用户去锁定是否为Master,这个逻辑也是不完整的。比如故障出现的时候，从库先宕机了，那么健康检查就会导致主库检查失败，导致域名不可用，看起来是一个不合理的逻辑，从库宕机或者复制失败，导致主库不可用。

所以我们讨论了下，梳理了如下的检查逻辑，能够基本保证这个逻辑检查的完整性，当然有些细节没有展开，比如延时，域名的负载均衡等。

而整体的逻辑能够通用，这样在检查的时候就可以避免定制化，差异化的配置，能够统筹管理起来。