副本降级导致数据丢失？SmartX 超融合利用临时副本优化多副本机制
多副本机制是超融合软件常用的数据保护方式，可以同时为存储数据和副本提供冗余保护——即使一个或部分副本异常，系统仍可通过健康副本进行副本恢复。但是，主流实现方式下，这一机制依旧无法避免“副本降级”期间带来的风险：在副本恢复完成之前，集群整体副本数依旧少于预期，此时若健康副本同样遭遇故障或意外离线，将很有可能导致数据丢失。为进一步提高数据安全性，SMTX OS 5.1 引入了“临时副本”这一创新机制，保证副本数据恢复期间“副本不降级、数据不丢失”，满足关键业务连续稳定运行的需求。
更多 SmartX 超融合 5.1 最新特性与技术解读，欢迎通过文末电子书《超融合技术原理与特性解析合集（更新版）》详细了解。
主流多副本保护机制的缺陷
多副本保护机制介绍
多副本技术，顾名思义就是一份数据对应多个相同的数据副本，多个副本按照既定的规则放置在不同的设备当中，以避免硬件故障导致的数据损坏或丢失。当发生硬件故障导致集群中一个副本或多个副本离线或损坏时，一方面，健康副本可保证正常 I/O 读写；另一方面，系统可通过拷贝健康副本重新生成多个副本，以恢复数据的副本级别，实现数据冗余保护。
图 1
如图 1 所示：以 2 副本为例，存储卷（volume）被切分为多个数据块，而每个数据块都拥有 2 个副本。如数据块 A 的两个副本分别放置在服务器节点 1 和服务器节点 2 上。即使任意一台服务器节点宕机，至少还有一个副本可以正常访问，从而达到数据冗余保护的目的。
SmartX 超融合基础架构同样采用多副本技术为虚拟机提供数据冗余保护。它⽀持配置 2 副本、3 副本共两种存储策略，不同的副本策略可以容忍不同级别的硬件损坏。
当前问题
超融合集群除了需要面临硬件损坏， 还可能面临诸如硬盘误操作拔出、服务器节点意外重启、存储网络闪断等问题，最终导致硬件的短暂离线（一段时间后重新上线）。这些情况通常会引起副本降级（副本数量少于预期），而且系统也很难辨别这是一次短暂离线还是永久离线。以 2 副本为例，在发生副本离线超时后，后台会自动剔除异常副本，以健康副本来响应正常的 I/O 请求，同时触发数据恢复来重建缺失的数据副本。但在数据完成恢复之前，新的数据读写都只发生在唯一的健康副本之上。
图 2
如图 2 所示：以 2 副本策略为例，正常情况下，数据 A 包含 2 个副本，当发生 I/O 写入时，副本 1 和副本 2 会同步写入 I/O。当副本 2 异常下线之后，副本 2 将被剔除，并触发数据恢复到副本 2’。在数据恢复期间，数据的变化只写入了副本 1 （副本降级），直至副本 2’ 重建完成之后，副本 2’’ 才能重新接受写 I/O（副本级别恢复）。
注：副本 2'' 表示完成数据恢复的新副本，与未完成数据复制的副本 2' 进行区分。
在副本降级期间，实际只有 1 副本在工作，一旦出现健康副本受损离线的情况，那么就有很大几率导致数据丢失。下面将通过图例说明副本降级期间的风险。
图 3
如图 3 所示：当副本 2 发生异常而无法访问时，I/O 可以正常写入并更新到副本 1，同时后台将触发数据恢复（通过拷贝副本 1 的数据重新生成副本 2’’）。而数据恢复是需要一定时间的（时长取决于数据量的大小），在数据恢复完成之前，副本 2’ 是无法正常访问的（数据不完整）。如果这个时候副本 1 遭遇硬件故障或其他原因的损坏而无法访问，那么数据 A 将没有办法通过任何可用的副本进行恢复，也无法正常读写，大概率导致数据丢失的情况发生。
SmartX 超融合临时副本技术原理
针对这一以上问题，SMTX OS 5.1 提供了一种创新性的数据恢复机制，可有效降低副本降级问题带来的风险，提高故障场景下的数据安全等级。新的处理机制引入“临时副本”概念，可确保新写入的数据维持副本级别（整个数据恢复过程不降级）；甚至在数据恢复期间发生其他叠加故障导致所有健康副本异常时，依然允许系统通过特殊的恢复机制进行数据修复（支持完全修复和部分修复），从⽽最大限度地保障数据恢复期间的数据安全性。
概念定义
健康副本：可提供完整读写能力的数据副本。
失败副本：出现异常、无法提供正常读写能力的数据副本，可基于临时副本进行数据修复。
临时副本：在健康副本降级期间，负责记录新数据的写入，不负责数据的读取。
临时副本运作机制
SMTX OS 5.1 采用临时副本策略提高异常发生后数据副本的安全性。
数据组成：当出现副本降级，需要剔除异常副本时，通过分配临时副本响应写请求，记录数据恢复期间新写入的数据，以保证数据副本数满足预期（临时副本数据 + 健康副本数据 = 完整副本数据）。
生命周期：数据恢复期间，会保留异常副本并标记为失败副本，每恢复⼀个健康副本，就移除对应的失败副本和临时副本。
无损修复：如果在数据恢复期间叠加其他故障导致所有副本均出现异常，在失败副本恢复访问的情况下，可以通过特殊恢复机制人工进行数据修复，将临时副本上的数据重放至失败副本上，形成完整的健康副本。
适用场景：临时副本策略仅能改善因为可恢复故障（由于网络或者其他原因造成的副本临时下线）带来的副本降级。
正常数据恢复
2 副本或 3 副本数据在出现单个副本异常时，会为异常副本分配对应的临时副本，记录副本异常后的新写入的数据，并使用健康副本作为数据源进行数据恢复。
图 4
如图 4 所示：以 2 副本为例，当副本 2 离线无法访问时，系统将从元数据中剔除异常副本，同步触发数据恢复，并额外创建临时副本，所有新写入的数据会同步写入副本 1 和临时副本（新写入数据维持 2 副本级别，不降级）；与此同时数据恢复也同时在进行，通过复制副本 1 重新形成副本 2‘，当所有数据恢复完成，副本 2’‘ 处于正常状态，系统会自动删除临时副本。
利用临时副本进行无损修复
在数据恢复的过程中，如果不幸，唯一的健康副本也发生了损坏或下线，那么虚拟机将无法访问任何副本数据，也没有办法正常进行 I/O。但如果这时候当初离线的失败副本已经重新上线（如机器重新启动或者网络恢复等），且数据没有损坏的情况下，系统仍然可以合并失败副本（首次副本离线前的旧数据）和临时副本（离线后写入的新数据）进行修复，但虚拟机在数据修复期间无法进行 I/O，直至修复完成。下面将举例说明无损修复是如何实现的。
图5
如图 5 所示：当副本 2 发生异常离线，系统自动触发数据恢复并创建临时副本，新写入的数据会同时记录到副本 1 和临时副本当中，并通过数据恢复生成副本 2’。如果在数据恢复过程中（副本 2’ 未完全复制完成的情况），发生叠加故障，副本 1 发生了损坏或离线时，那么这个时候已经没有任何完整副本可供访问了，数据 A 也完全离线了。而系统可对原有的副本 2 的数据（已经重新上线）和临时副本（增量数据）进行数据整合，形成完整的数据副本 3，此时数据 A 可以重新上线并接受读写请求，同时可重新触发数据恢复，等待完成数据恢复之后，重新形成健康的 2 副本状态。
临时副本机制的限制和影响
限制
临时副本主要针对硬件短暂离线下的副本降级风险，但对于不可恢复的硬件故障（如磁盘损坏等），临时副本没有直接的效果。如要应对此类多个硬件叠加故障的场景，建议采用高级别的副本策略（3 副本策略）进行保护。
影响
空间影响：临时副本的创建会额外占用存储空间，但是数据恢复完成后，这部分空间会自动回收。
性能影响：由于虚拟机变化的数据会同步写入临时副本，因此这一过程对虚拟机的写入性能会有一定的影响（持续至数据恢复完成）。目前性能影响在可接受的范围内，而且该功能也在持续优化过程中，后续版本这部分影响将进一步降低。
除了对多副本机制的优化，SMTX OS 5.1 还新增了 GPU 直通与 vGPU 支持、PCI 直通支持、DRS 优化等虚拟化与存储能力。搭配软件定义的网络负载均衡、可观测平台等产品组件，SmartX 超融合 5.1 版本全面提升虚拟化、存储、网络与安全、运维管理支持等基础设施能力。更多最新特性与技术解读，欢迎阅读《超融合技术原理与特性解析合集（更新版）》详细了解。
您还可关注“SmartX 用户社区”，访问“SmartX 学院”，获取更多 IT 基础架构技术文章、电子书资料与直播课程。
推荐阅读：