锁续约机制 | 锁续约失败的常见原因

---

在一个运行正常的数据库集群中，主库（Leader）会定期向分布式一致性存储（如 etcd）更新锁（lease）信息，用以维持其主节点的角色。这种锁被称为leader 锁或租约锁（lease lock）。Patroni作为高可用组件，通过其内置的 API Server 定期将主节点的锁信息写入到 etcd 中。

一、锁续约机制

Patroni 的主节点会以周期性的方式向 etcd 发送更新请求（续约），更新成功后会刷新租约的过期时间，继续维持主节点身份。其他候选节点则周期性检查当前锁的状态，判断是否有必要参与选举。

锁续约的流程大致如下：

1. 当前主节点向 etcd 写入或刷新锁；
2. etcd 响应成功，则主节点保持原状态；
3. 若 etcd 响应超时或失败，主节点无法续约，视为锁失效；
4. Patroni 检测到锁失效后，主动触发降级（demotion），将当前节点降为只读，从主角色中退出；
5. 集群内其余节点通过竞选机制（抢占锁）选举出新的主节点。

二、锁续约失败的常见原因

锁续约失败通常由以下原因引起：

• 网络延迟或抖动：Patroni 与 etcd 通信超时；
• etcd 集群负载过高：导致写入请求阻塞；
• etcd 节点不可用或出现 leader 切换：临时不可写；
• API Server 或 Patroni 自身负载问题：请求未及时发出或被延迟处理。

三、日志中的异常现象分析

根据日志记录，在 x:08:33 - x:08:42 期间发生了 etcd 更新超时。这意味着在此时间段内，部分 Patroni 实例未能及时完成锁的续约。由于整个集群中各节点续约操作的时间并非完全同步，因此：

• 只有在这一时间段内正好发起锁续约请求的节点会受到影响；
• 其余节点由于尚未发起续约操作，可能未受到影响；
• 受影响节点若为主节点，将因无法成功续约而主动降级为只读模式；
• 集群将根据竞选机制选出新的主节点，完成主备切换。

四、优化建议

为了减少类似锁续约失败带来的主备切换影响，可以考虑以下优化方向：

1. 调整 Patroni 的续约超时时间和频率，确保在短暂网络波动下仍有机会重试；
2. 优化 etcd 集群性能，提升其吞吐能力和响应速度，避免在高负载下出现阻塞；
3. 监控 etcd 的请求延迟和 Patroni 锁续约失败率，及时发现潜在问题；
4. 避免所有节点同时续约：通过错峰机制降低并发请求压力；
5. 设置合理的 ttl 和 retry_timeout：避免因一两次失败而误判主节点状态。

---