Orchestrator 不直接自动切换主从,因其设计为“观测+协调”而非“代理+执行”,所有写操作(如 STOP SLAVE、CHANGE MASTER TO)均由用户配置的钩子(如 PostFailoverProcesses)完成,未配置则仅报警不动作。

Orchestrator 为什么不能直接“自动切换主从”?
Orchestrator 本身不提供开箱即用的“全自动故障转移”——它检测故障快,但是否执行 promote、是否修改应用路由、是否通知监控系统,全靠你配的钩子(PostPromotionProcesses、OnFailureDetectionProcesses 等)。没配钩子,它只报警不动作。
常见误判:看到 orchestrator-client -c discover -i mysql-replica-01 能识别拓扑,就以为故障时会自动切主。实际它默认只写日志、发邮件(如果配了 SMTP),不会执行任何 SQL 或 GTID 切换操作。
必须配置的三个核心钩子
要让 Orchestrator 在主库宕机后真正完成故障转移,至少要补全以下三项:
-
OnFailureDetectionProcesses:主库失联后触发,用于确认是否真需切换(比如排除网络抖动)。建议在这里调用一个脚本,检查该实例是否真的不可达(mysqladmin ping+ 超时重试),再决定是否继续 -
PostGracefulTakeoverProcesses:主库还能响应STOP SLAVE时走这个路径。这里适合做优雅下线:停复制、清 relay log、记录旧主 binlog 位置 -
PostFailoverProcesses:主库完全不可达时的兜底路径。这是最关键的钩子,必须包含:- 调用
orchestrator-client -c relocate -d <old-master> -s <new-master></new-master></old-master>强制重置从库指向 - 执行
RESET SLAVE ALL清理旧主残留信息(尤其MASTER_HOST和RELAY_LOG_FILE) - 更新 DNS 或 VIP(如用
keepalived,需触发vip-manager或直接ip addr add)
- 调用
GTID 模式下最容易踩的坑
Orchestrator 的 relocate 命令在 GTID 模式下默认使用 CHANGE MASTER TO MASTER_AUTO_POSITION = 1,但前提是新主已开启 enforce_gtid_consistency = ON 且所有从库的 gtid_purged 包含旧主已 purged 的事务。否则会报错:ERROR 1236 (HY000): The slave is connecting using CHANGE MASTER TO MASTER_AUTO_POSITION = 1, but the master has purged binary logs containing GTIDs that the slave requires.
安装、修复、更新或打包一个基于 Python 和 PyMySQL 实现的 Windows `mysql` 命令。适用于用户希望在 PowerShell/CMD 中输入 `mysql` 时重定向到 Python 实现、需要交互式输入 MySQL 连接信息、需要同步到当前用户本地 bin 目录,或需要将该能力封装成可公开复用的 Codex skill。
实操建议:
- 上线前统一校验:用
orchestrator-client -c topology -i <instance></instance>查看各节点gtid_purged是否连续;不连续的,手动SET GLOBAL gtid_purged = '...'补齐(仅限从库) - 钩子脚本里加判断:
mysql -h <new-master> -e "SELECT @@gtid_mode, @@enforce_gtid_consistency"</new-master>,失败则跳过 auto_position 改用CHANGE MASTER TO MASTER_LOG_FILE/MASTER_LOG_POS - 避免在主库宕机后立刻执行
PURGE BINARY LOGS—— Orchestrator 需要这些日志来计算复制点
健康检查间隔和超时怎么设才不误切?
Orchestrator 默认每 10 秒探测一次实例,failureDetectionPeriodBlockMinutes=5 表示 5 分钟内不重复告警。但这对 MySQL 主从切换太激进:网络抖动 3 秒就可能触发 OnFailureDetectionProcesses,而你钩子里的 mysqladmin ping 若没设超时,会卡住整个 failover 流程。
推荐值:
-
discoverTimeoutSeconds=3(发现超时) -
pingTimeoutSeconds=2(单次 ping 超时) -
failureDetectionPeriodBlockMinutes=1(阻塞窗口缩到 1 分钟,避免长抖动被反复触发) -
auditLogFile=/var/log/orchestrator-audit.log必开,每次relocate都会记下 old-master、new-master、binlog pos,出问题时直接翻这条日志
真实环境里,最常被忽略的是钩子脚本的 exit code:Orchestrator 只要看到脚本返回非 0,就中断后续流程,但不会报错到 UI。务必在每个钩子脚本末尾加 exit 0,哪怕只是占位。

















