实现高可用性的原则很简单：
- 冗余(Redundancy)：如果一个组件出现故障，必须有一个备用组件。这个备用组件可以是standing by的，也可以是当前系统部署中的一部分。
- 应急计划(Contigency plans)：如果一个组件出现故障，你必须知道做什么。这依赖于哪个组件出现故障以及如何发生故障。
- 程序(Procedure)：如果一个组件出现故障，你能够及时发现并迅速有效的执行你的计划。
冗余(Redundancy)
只要有单点故障(SPOF:Single Point of Failure)的存在，就无法保证系统的高可用性（关于单点故障可以参考Fenng的这篇文章，比较通俗易懂）。
为了搞清楚哪里需要冗余机制，我们需要找到部署中所有潜在的单点。虽然说起来简单，但是需要一点想象力，以确保真正找到全部单点。交换机，路由器，网卡甚至电缆都是单点，除了这些，电源和物理设施也很重要。还有一些也为成为单点，比如只有一个员工知道如何处理某种类型的故障，所有的网络都被集中到一个web页面进行管理等。但定位到所有的单点并不意味着你必须要全部消除它们，因为有些单点或许因为经济上，技术上或者地理上的原因而无法完全消除，但知道这些单点的存在将有助于出错时排错。
在考虑要不要消除某个单点，有些因素需要考虑：复制组件的成本，不同组件发生故障的概率，替换组件的时机以及修复组件时的担当的风险。比如你替换一个组件需要一周时间，在这一周期间，运行中的备用组件也有可能出现故障，这些你都必须要考虑到。
一旦确定要消除的单点，接下来就需要考虑如何建立冗余机制，有两种方案可供选择：1）为每一个组件建立一个备用组件，如果原始组件发生故障，立即启用备用组件；2）系统本身有额外的容量，当一个组件出现故障时仍能hold住。第一种方案，虽然看起来简单，但是成本高。你必须让备用组件处于standby状态，一直和主组件保持一致。其优点就是在切换组件的时候不会损失性能，而且切换到standby组件所花的时间通常要比重新构建组件快。方案二为系统构建额外容量的方案可以让你使用所有组件(资源)来运行系统，这样系统可以处理更高的瞬间峰值负载。但有一点必须明白，这种方案时，系统必须拥有额外的容量以保证在某些组件出现故障时系统仍然能hold住。有时候只为一个服务器发生故障留有余地还不够，这个时候你需要权衡，以及这种情况出现的概率是多少。比如安装了100台服务器，其中一台服务器发生故障的概率是1%，那么1台，2台，3台服务器发生故障的概率会是多少呢？根据二项式定理计算可得到依次为100%，20.33%，16.17%。
应急计划(Contigency plans)
只做冗余还是不够，当你一个组件发生故障时，你还需要知道如何去应对。在之前的例子里，当Slave服务器出现故障时很容易去处理，因为只需把新的连接全部重定向到能工作的Slave服务器，同时你需要考虑：1）现有的连接怎么处理？仅仅中止程序并给用户返回一个出错信息明显不是一个好主意。通常情况下，在用户和数据库之间有一个应用层，这个时候应该让应用层向别的服务器提交查询；2）如果Master发生故障怎么处理？假设你已经提供了一个额外的Master做冗余，你还必须提供机制让所有Slave重定向新的Master。
下面介绍一下如何处理各种拓扑结构下MySQL服务器宕机的技术。一般来说，需要考虑三种角色：Master，Slave，Relay。
- Slave故障：这是最简单处理的故障。因为Slave仅仅是用于读查询，只需通知负载均衡器该Slave出故障，然后负载均衡器就会把新的请求都重定向到工作中的其他Slave。这就需要剩下的Slave能够处理这些额外的负载。除了这之外，发生故障的Slave一般来说不会影响复制机制的拓扑结构，也就不用去考虑特殊的拓扑结构以保证在Slave发生故障时易于管理。当Slave发生故障时，对于已经提交给该Slave并等待响应的查询，需要重新向工作的其他Slave提交查询请求。
- Master故障：如果Master发生故障，就必须用备用的Master替换以保证部署的系统能正常运行，并且要快。当Master发生故障时，所有的写请求立即终止，因此首先要做的就是启用新Master并把所有的写请求重定位过去。因为主Master发生故障了，所有的Slave都失去了Master连接。这就意味着Slave上数据已不是最新的，虽然还能够继续响应读请求。尽管如此，如果有些请求需要监听到达Slave的变化，这些请求可能会被阻止，而有些请求或许把自己写进Slave中继日志，并最终由Slave执行，这类请求就无需考虑。Master发生故障时，对于那些正在Master上等待某个事件的请求来说情况更加糟糕。对于这种情况，需要进行处理，一般来说就是用户被通知请求失败，然后需要重新发送请求。
- Relay故障：Relay服务器发生故障时需要进行一些特殊处理。如果Relay服务器发生故障，其他的Slave必须被重定向到其他的Relay服务器或者直接定向到Master。因为Relay服务器是用于缓解Master的负载，那么有可能出现Master无法处理Relay上的负载。
- 灾难恢复：在高可用性的世界里，灾难并不意味着地震或者洪水，它只是表示服务器发生了极坏的状况，并不是局部的状况。比如说数据中心断电了。灾难的本质在于很多事情都同时出现故障，无法在一个数据中心通过备份服务器提供冗余解决问题。因此有必要要确保数据被保存在另外一个安全的地方。很多公司会把不同的组件放在不同的办公室，即使公司相对较小的时候也这么干。
程序(Procedure)
如果你管理一个小站点，你可以不用规划并手动管理这些服务器，但是随着服务器数量的快速增长，自动化就变得很有必要。特别是下列的这些工作：
- 追加新Slave：追加新Slave的方法有很多。一般的步骤是先获取现有一个服务器的快照，通常是一个Slave服务器，然后在新服务器上恢复快照，并在正确的位置开始复制。这个里需要注意的是获取服务器快照这一步，因为这将直接决定你可以多长时间让一个新Slave服务器上线。获取快照的方法有以下几种：
- 使用mysqldump：使用mysqldump安全但比较慢。这种方法允许你用与之前不同的存储引擎去恢复数据。如果使用InnoDB表的话，还可以得到一致性快照，这也意味着你不需要脱机进行快照。
- 复制数据库文件：这个相对来说要快一点，但是需要脱机。
- 使用在线备份方法：有不同的方法，比如InnoDB的热备份（Hot Backup）
- 使用LVM获取快照：在Linux系统，可以使用Logical Volume Manager(LVM)来获得卷快照。它要求你事先创建好特殊的LVM卷。
- 使用文件系统的快照方法：Solaris ZFS文件系统支持内置快照，这种方法用于备份非常快。除了mysqldump以外，这些方法都不能使用一个不同的存储引擎来重建数据。
- 删除Slave：删除Slave只需要通知负载均衡器该Slave不可使用即可。
- 切换Master：对于日常维护，将连在Master上的所有Slave切换到备份Master上，并通知负载均衡器该Master不可使用，是一件很平常的事。这个过程应该可以无须宕机处理。这个可以通过Slave提升来完成，也可以采用更简单的host standby来解决。
- 处理Slave故障：Slave会出现故障，这只是一个频率问题。所以处理Slave故障在任何部署中都必须作为一个常规事件来对待。如果检测到Slave不在，通知负载均衡器该Slave不可使用即可。
- 处理Master故障：当Master突然出现故障时，你必须检测到这个故障，并把所有的Slave都连到一个备用服务器上，或者把其中一个Slave提升为新Master。
- Slave升级：把Slave升级到一个新版本一般不会有问题，但会暂时不可使用，跟删除Slave操作差不多。
- Master升级：为了升级Master，经常有必要首先升级所有的Slave。但这也不一定。升级的时候，Master肯定不可用，这跟处理Master故障操作差不多。
热备份(Hot Standby)
最简单的复制服务器的拓扑就是热备份的拓扑。该拓扑结构里面包括一个Master和一个被称作热备份的专用服务器。工作原理就是当Master发生故障时，热备份立即充当Master的镜像服务器，所有的客户端和Slave服务器全部切换到热备份服务器进行工作。不过切换的时候需要考虑一些细节的问题：1）当切换到热备份的服务器时，你需要重新定位需要从哪里开始复制二进制日志，一般热备份的日志位置信息和Master不一样；2）某个Slave可能需要的二进制日志在热备份服务器上不一定有；3）当修好的Master切换回来的时候，它上面的有些修改可能任何其他Slave都未来得及复制。
首先，问题简单化，我们看看从Master切换到热备份服务器的过程，该过程Master并不宕机。默认情况下，slave线程执行的事件并不写入二进制日志，但是作为热备份的slave明显是需要这些二进制日志的，所以为热备份服务器增加这样一个参数。
[mysqld]
log-slave-updates
切换时的主要问题在于，如何使得从热备份服务器开始复制的位置和从Master停止复制的位置完全相同。有很多原因可以使得热备服务器和Master服务器的二进制日志位置信息不一致，比如Master启动的时候热备份服务器并没有连上，即使这个没问题，也不能保证同一个事件写入Master和热备份服务器二进制日志的过程和时机完全一样。
切换的基本思路是：确认让slave和热备份服务器在同一点上停止复制，然后让salve连到热备份服务器。
standby>SHOW SLAVE STATUSG
...
Relay_Master_Log_File: master-bin.000096
...
Exec_Master_Log_Pos: 756648
slave>SHOW SLAVE STATUSG
...
Relay_Master_Log_File: master-bin.000096
...
Exec_Master_Log_Pos: 743456
# 从上可知说明热备份服务器的日志位置要领先于Slave，所以需要让Slave从Master继续复制到和热备份一样的位置
slave>START SLAVE UNTIL MASTER_LOG_FILE = 'master-bin.000096' MASTER_LOG_POS = 756648;
slave>SELECT MASTER_POS_WAIT('master-bin.000096', 756648);
# 现在Slave和热备份服务器都在同一个点停止复制，就可以让Slave连到热备份服务器上，但是指定从哪个文件和位置开始复制呢。对于同一个复制点在Master上的文件和位置和热备份上的文件和位置是不一样的。
standby>SHOW MASTER STATUSG
File: standby-bin.000019
Position: 56447
Binlog_Do_DB:
Binlog_Ignore_DB:
slave>CHANGE MASTER TO
MASTER_HOST = 'standby-1',
MASTER_PORT = 3306,
MASTER_USER = 'repl_user',
MASTER_PASSWORD = 'xyzzy',
MASTER_LOG_FILE = 'standby-bin.000019',
MASTER_LOG_POS = 56447;
slave>START SLAVE;
如果Slave的复制位置在热备份服务器之前的话，我们只需互换一下上面的步骤。下一节我们将考虑如何处理Master意外停止的情况。
双Master(Dual Master)
双Master拓扑结构中，两个Master互相复制数据以保持同步。因为是对称的，这种设置容易使用。这种设置中，服务器可以是主动的(active)，也可以是被动(passive)的。主动的服务器是指接受写操作，然后这些变化通过复制传播到其他Slave上。被动的服务器是指不接受写而仅仅是跟随主动Master，随时准备切换。两个服务器有两种设置，一种是active-active，一种是active-passive，第二种很像热备份的的拓扑，带是由于是对称，切换起来比较方便。在双Master配置中，passive服务器并不一定要求接受读请求，这个时候其实就是一个冷备份。在双Master的拓扑中，并不一定非要通过复制来保证两个Master的同步。
active-active型双Master的常用的一个场景就是让服务器在物理上接近不同的用户组。用户使用本地服务器，更改会被复制到另外一台服务器来保持两者同步。由于事务是在本地提交的，所以响应比较快。但由于事务是本地提交的，两个服务器并不是时时刻刻完全一致的。这就会有些问题：1）如果同一个信息在两台服务器上更新，将会服务器将会产生冲突，复制也会终止。你可以只让其中一台接受写操作，可以在某种程度上避免冲突的发生。2）如果两台服务器在处于不一致状态下发生故障，有些事务将会丢失，这也是异步复制的硬伤，不过你可以通过使用半同步复制(MySQL 5.5引入)来限制事务丢失的个数。
对于active-passive型的来说，你可能使用passive的Master来做服务器升级这样的管理工作。active-passive有一个根本性的问题需要解决。split-brain syndrome：当网络连接短时间内中断，从而使得从服务器主动升级为主服务器，然后网络又恢复了。如果在他们各自为主服务器的时间里，更改在两台服务器上都执行就会产生冲突。当使用共享磁盘的方式时，两台服务器同时写磁盘会产生有趣的问题。
对于如何实现双Master直接的同步，有几种方案。
共享磁盘(Shared Disks)
这是最直接的双Master方案：两个Master通过一个像SAN(Storage Area Network)的共享磁盘架构连接在一起，并被设置成使用相同的文件。因为其中一个是passive，它不会写任何东西到文件中，
使用DRBD复制磁盘(Replicated disks using DRBD)
双向复制(bidirectional replication)
