当前社会、企业运行当中，大数据分析、数据仓库平台已逐渐成为生产、生活的重要地位，不再是一个附属的可有可无的分析系统，外部监控要求、企业内部服务，涌现大批要求7*24小时在线的应用，逐步出现不同等级要求的双集群系统。
数据仓库主流数据库平台均已存在多重高可靠保障措施设计，如硬盘冗余的raid设计、数据表冗余、节点备用冗余、机柜备用数据交叉等，以及加上服务进程高可用冗余设计，其最大化程度满足数据仓库服务持续在线。
但现实场景，如数据库软件缺陷、定期加固补丁、产品迭代、硬件升级这些产品现实因素，以及来自机房、数据中心、地域、网络的外部灾难故障因素，均在降低数据仓库可用性服务水平。
鉴于数据仓库存在大量数据吞吐，针对不同数据库、不同可用性要求，若需要设计双集群冗余设计，可选技术手段分别有数据同步模式、双ETL模式、双活模式，具体探讨如下：
1. 数据同步模式
a) 架构
由于数据库IO能力有限、且两个数据库间带宽有限，除了首次全量同步之后，后续通常考虑增量同步技术，即如何准确、高效获取“变化数据”，一般存在日志同步技术、备份增量同步技术、逻辑数据同步；
b) 日志同步技术
日志同步技术，有业内最著名Oracle Golden Gate，大部分厂家也有自己的实现方式，像Teradata近年来推出Unity CDM（变化数据广播）技术，而我司GaussDB for DWS可采用xlog及page进行变化数据同步。
优势：直接同步变化数据增量，数据量少，要求带宽低，但目前市面技术大都只适合数据每日变化量较少的数据仓库环境；
劣势：现实的技术门槛高，应对各类异常场景适应能力差，对主数据库侵入性能要求高，一旦主库繁忙，同步时效低；面对全删全插等变化数据量大场景，同步吃力；
c) 备份增量同步技术
主要利用各数据库平台备份恢复能力，进行数据增、全量备份、恢复；通常源库备份数据压缩之后，经网络传输后，解压恢复到目标库；对应GaussDB for DWS可采用roach备份恢复工具实现；
优势：利用同一技术实现增、全量数据同步，逻辑清晰，各场景容错能力强；
劣势：要求数据库支持增备能力，且往往锁等待严重；
d) 逻辑数据同步
该项主要涉及较高的业务侵入性，即充分获取ETL调度数据流元数据，对应数据库当日数据稳定之后，发起数据表导出-导入操作，针对数据表加工特性，选择增全量同步规则，进行数据准实时同步。
优势：较上述同步技术，可以实现多样选择性同步，同步过程由实施项目本身控制，做到表级数据同步，不需要全系统同步，即可实现部分业务双集群；
劣势：客户化同步逻辑，操作前置依赖多，实施投入人力多，较难推广；
2. 双ETL模式
a) 架构
即采用两套独立调度平台进行数据加工，抽取同一个数据源（往往是落地稳定的数据交换平台），采用同一套ETL代码依赖逻辑调度，各自生成目标数据，往往批量过程中，采取主库对外持续服务，待主备库数据准实时或批后校验一致后，再开放备库对外服务。
若双集群数据发生不一致场景，主要以主库数据为准，覆盖备库。该同步过程，需要使用到“数据同步模式”相关同步技术。
b) 参照落地架构
c) 加载源数据考虑
为保证两套ETL调度加载数据源一致及数据复用，往往要求搭建一个数据交换平台。因为至少存在一个文件被两套调度读取，要求数据交换平台两倍过往吞吐能力；且禁止加载的数据文件被二次覆盖，导致两套系统加载不一致；
d) 调度依赖顺序考虑
由于ETL作业调度关系没有配置完备，即存在A作业使用B作业的数据，但不配置依赖关系（绝大部分的情况是A作业可容忍B数据的时效，是否最新数据均可以使用，故为时效，业务上不配置依赖关系；当然也存在物理时间上，通常B远远早于A执行），导致两套系统A作业生成数据不一致。
该场景下，在一套调度平台无法发现此问题，但存在两套系统的校验比对，即发现数据不一致；
该问题建议用户补全依赖关系，确认执行顺序一致性；
当然若希望灵活使用依赖关系，则需二次开发，控制两套调度当日时序一致性；
e) ETL代码服务器考虑
为了避免两套ETL调度代码维护不一致，需考虑统一维护渠道，包含不限于同一个代码存储源、版本服务器，以及代码变更时机
f) 存在不确定值的SQL函数返回
ETL代码中往往存在sample、random、row_number排序这种同一份数据产生不同结果集的函数，造成两套系统数据不一致；
该问题建议用户使用替代函数、明确取值、唯一排序，确保最终数据一致性；
同时，该设计逻辑正确情况下，哪份数据均可被业务采信，若该数据对下游影响少，可每日批后从主库同步备库，拉平数据；
g) 报错修数逻辑考虑
其中一套系统的数据发生报错、修数行为，会涉及到另一套系统的维护行为；
可选作法是保留操作逻辑，待另一套系统发生报错时重复执行一次；
其它交给数据质量校验（DQC）、数据校验去复查；
h) 干预重跑修数逻辑考虑
若批后重跑，两套系统重跑逻辑一致，涉及重复劳动（或支撑平台优化），相对简单；
但涉及批量过程中发现部分数据需要重跑，由于两套调度进度不一致，会导致
i) 数据校验
i. 校验时机
批后校验，逻辑清晰，对调度依赖少，即根据整体调度进度，做到分层、分库或整体数据校验；
准实时校验，即侵入调度环节，在每个作业完成时，均发起日志解析，提取每个SQL影响记录数，若相应作业SQL存在影响记录数不一致场景，即中止较晚完成的调度平台调度后续作业；
ii. 校验手段
增全量校验，即针对不同加工逻辑的数据表，区分增、全量数据值，以最小代价覆盖所有业务表
iii. 校验方法
通常作法有记录数、汇总值、checksum校验；
汇总值校验，通过是数值型字段直接sum、字符型计算字符长度的sum、时间类型则转换成数值相加的比对；
Checksum校验，针对全表或部分字段，进行md5或hash运算，完成两套系统一致性比对；
对于关系型数据库，校验开销代价逐步递增（记录数 < 汇总值 < checksum校验）；往往是结合增量校验、结合重要指标，区分维度校验，日常增量逻辑校验，定期全量校验，在校验数据一致性和系统性能之间取得平衡点。
j) 优化考量
i. 校验改进
即嵌入调度平台，提取ETL代码运行日志，通过执行SQL影响的记录值，实时进行两套系统完成作业日志比对，发现记录值影响，立即停止备库调度，采用人工或自动方式修复数据，继续后续批量。
该作法最大好处是，即时发现数据异常，避免问题放大，保障备库更高可用性；
ii. 引入统一维护平台
即减少人为双系统维护操作，代码变更平台化，修数逻辑平台化，由平台分别下发两套调度平台、两套数据库。
3. 双活模式
以下基于Teradata Unity产品理念的延伸构想
a) 架构
b) 双活功能点
i. 访问路由能力
客户端直接将中间件作为数据库登陆，保持原来登陆逻辑不变；
中间件根据登陆用户及附加参数实现拒绝登陆、双系统登陆、或单系统登陆，实现写登陆、读登陆，实现受控方式登陆、或非受控方式登陆；即实现受控和非受控方式的系统读写；
同时兼顾考虑异常路由选择或同步路由选择，满足最大化异常执行及少部分同步需求场景；
ii. SQL分发能力
经中间件发送的SQL指令，正常发送到相应数据库，并接受数据库响应信息；
iii. 批量导入、导出能力
针对数据大批量的导入，需要考虑采用更加高效的加载协议进行数据加载，并考虑经中间件复制数据块，异步分发两个数据库；
数据导出，需要考虑高效数据导出协议，从其中一套数据库正确导出数据；
iv. 更新类SQL校验能力
Delete、Update、Insert、Merge等更新类DML SQL进行SQL影响记录数校验；
DDL/DCL执行返回码验证一致性能力；
v. 对象注册功能
通过路由及创建对象的DDL语句，实现对象动态注册；
通过命令行指令实现对象注册；
适当增加对象索引、约束索引的注册信息，用于扩展细粒度对象锁能力，提高数据仓库ETL SQL并发能力；
*数据仓库环境下，只需要考虑到表级双活的能力，不建议实施字段级、记录级双活；
vi. 对象锁能力
根据SQL指令给相应对象动态加锁、释放锁；
同时根据数据库自带的锁特征，至少区分读、写锁控制，以及部分数据库的脏读功能锁；
vii. 对象状态控制能力
进行管理的多套数据库在线状态控制；
进行对象状态控制功能，包含不限于在线、离线、只读、只写、主动中断缓存中、被动中断缓存中、不可用等状态；
viii. 缓存能力
进行SQL指令流缓存能力，以及缓存恢复执行的能力；
进行SQL与加载数据结合缓存、以及缓存恢复执行的能力；
ix. SQL异常控制能力
考虑用户体验，始终由返回响应正确的SQL指令返回客户端；
两个数据库返回均成功，但返回的影响记录数不一致，则响应慢的数据库对应SQL及涉及对象被设置成不可用状态；
若两套数据库其中一套执行成功，另一套执行失败，则执行失败的数据库SQL和涉及对象被设置为被动中断缓存中，同时缓存SQL，定时重试SQL；
若两套数据库返回均报错，才通知客户端报错；
若SQL涉及对象已处理非在线状态，则新提交的SQL被缓存，新提交SQL相应对象被设置为被动中断缓存中。
针对中间件和数据库之间，存在数据库已执行完、但中间件未收到信号场景，需考虑闪环该场景（如增加事务锁等）；
c) Teradata Unity参照落地架构
主要通过Unity实现多集群SQL、数据分发与管理；
Data Mover实现集群间数据同步；
Eocsystem Manager实现数据批后自动校验及不一致重同步事件触发；
Viewpoint实现系统平台透视图展现与维护，并对接用户告警平台；
d) 中间件高可用考虑
由于引入了中间件（前置）服务，即该服务的稳定、可靠对双活模式至关重要。
数据库单套系统本身已经具备极高的可用性，引入中间件后，由于所有数据库访问行为均通过该中间件，中间件任何异常均同时影响两套数据库访问能力。
除了中间件本身所有相关服务需要满足高可用之外，还需考虑极端场景下bypass能力，此项能力在于极端异常条件下，可以保障系统持续服务的能力。
高可用场景中，存在控制节点脑裂与自动升主场景，需借鉴仲裁机制减少脑残裂发生；
e) 数据重同步考虑
即利用“数据同步模式”相关同步技术，实现两套数据库数据重同步能力；
f) 不确定值的SQL函数考虑
最佳方案，是采用“数据同步模式”的数据日志重同步技术，直接将第一套数据库SQL执行结果的日志信息同步到第二套数据库中，消除返回结果不一致；
部分简单的系统时间函数，直接通过中间件改写，保障SQL执行结果一致性；
另外，则通过SQL改写，保证row_number函数进行主键或全字段排序，保证SQL执行结果一致性；
g) 异常会话重放能力
针对异常会话过程的SQL，可能需要从会话建立后，可视化选择，倒回前几个SQL重新执行，并指定过程SQL是否参与结果集校验，以及SQL回放结束的确认动作，让异常场景处理手段更加丰富。
4. 适用场景
a) “数据同步模式” – 日志同步技术
适用数据变化量小、数据传输压力小的数据场景，通常只适用于小型数据仓库平台；
对于规模小的平台，RPO、RTO可以接近0；
b) “数据同步模式” – 备份增量同步技术
适合大数据量同步场景，实现方式容易被用户理解；
往往需要数据库备份工具具备增量备份恢复能力；同时考验备份工具消除相关硬件限制条件，让该技术方案更加灵活；
双集群的初始化同步往往采用全备全恢的逻辑实现，可以最大化、最快拉平存量数据；
对于规模大的平台，RPO往往需要小时级别，RTO最好水准也在分钟、10分钟以上；同时主集群需要保障一定资源量供数据同步使用，对主集群开销大；
c) “数据同步模式” – 逻辑数据同步技术
适用灵活同步场景，往往数据同步量不会太大，或同步时间可容忍场景；
此场景往往适合于用户对其数据仓库ETL过程元数据信息清晰、完整，依赖客户开发能力，相关同步数据存在清晰ETL算法，结合调度作业运行进度，动态发起相关数据表增、全量同步；
对于中等规模的平台，RPO可以做到分钟、半小时，RTO可以维持在分钟级；
d) “双ETL模式”
需要两套ETL调度环境，整体成本翻倍，但调度逻辑清晰、易于理解和维护；
较容易匹配不同规模的数据仓库平台采纳；
较难实现数据实时比对，以及数据发生不一致之后的控制逻辑（若需要实现，对于调度逻辑侵入性大）；
ETL调度批量中途，较难实现两套调度链路协调重跑；
同时数据不一致，依赖于”数据同步模式”技术辅助实施；
由于主备调度进行不一致，无法做到主备统一视图展现；
若双集群硬件相当，RPO、RTO均可以维持在分钟级别；
e) ”双活模式“
需要独立中间件、且严重依赖数据库自身厂商，中间件实现难度大；
中间件的高可用（稳定性）成为它落地的最大障碍；
“双ETL模式”的升级版，能适应各类数据仓库双集群场景；
绝大部分场景下，RPO、RTO均可以接近0，特别是双活同时在线能力，不存在双集群的主备切换，RTO可以做到0；同时存在统一视图，不会因为其中一个集群故障，造成前后同一个查询返回结果不一致场景；