...
Eroare System Design · Replicare, sharding și consistență

Baza primară a căzut și tot site-ul s-a oprit (fără failover)

Pe scurt

Serverele sunt redundante, dar baza de date are o singură instanță, deci căderea ei oprește toate scrierile și citirile care nu sunt în cache. Adaugă o replică de rezervă cu failover automat (Multi-AZ, Patroni, replica set), ca o copie să preia rolul primarei în câteva zeci de secunde.

Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la

Ce înseamnă

Baza de date e adesea ultimul punct unic de eșec rămas: load balancer-ul are două instanțe, serverele sunt multe, dar baza rulează pe o singură mașină. Când mașina cade (hardware, zona de disponibilitate, un upgrade care nu repornește), aplicația primește Connection refused, could not connect to server sau timeout-uri, iar site-ul se oprește.

O replică de rezervă (standby) primește continuu modificările de la primară. La căderea primarei, un mecanism de failover o promovează, iar aplicația se reconectează la noua primară prin aceeași adresă (DNS-ul sau IP-ul virtual se mută). În serviciile gestionate (RDS Multi-AZ, Cloud SQL HA) e o bifă, cu un cost dublu pentru bază.

Failover-ul nu e instantaneu: zeci de secunde în care conexiunile se rup. Aplicația trebuie să reîncerce conexiunile și tranzacțiile întrerupte.

De ce apare: cauzele frecvente

1O singură instanță de bază

Greșit
aws rds create-db-instance --db-instance-identifier magazin --engine postgres ...
Corect
aws rds create-db-instance --db-instance-identifier magazin --engine postgres --multi-az ...

Multi-AZ ține o replică sincronă în altă zonă și face failover automat.

2Aplicația nu se reconectează după failover

Greșit
spring.datasource.url=jdbc:postgresql://10.0.1.50:5432/magazin   # IP-ul primarei vechi
Corect
spring.datasource.url=jdbc:postgresql://magazin.cluster-abc.eu-central-1.rds.amazonaws.com:5432/magazin
spring.datasource.hikari.max-lifetime=300000

Numele DNS al clusterului indică mereu primara curentă; conexiunile vechi se reînnoiesc.

Repară tu

Repară eroarea, direct în pagină

Arhitectura are load balancer și servere redundante, dar baza SQL primară e SPOF: dacă pică, site-ul se oprește. Elimină punctul unic de eșec și ridică disponibilitatea totală la cel puțin 99,95%.

Indiciu

Nu ai nevoie de o componentă nouă; uită-te la proprietățile bazei.

Alte forme ale mesajului

  • could not connect to server: Connection refused (primary down)
  • Communications link failure (MySQL primar căzut)

Cum o eviți pe viitor

  • Rulează baza de producție cu replică de rezervă și failover automat.
  • Conectează aplicația prin numele clusterului, nu prin IP-ul unei mașini.
  • Configurează pool-ul să reîncerce conexiunile și să le reînnoiască periodic.
  • Testează failover-ul în mod regulat, nu doar la incident.

Întrebări frecvente

Replica de rezervă servește și citiri?

La unele servicii nu (RDS Multi-AZ clasic), la altele da. Rolul ei principal e să preia scrierile la cădere; pentru citiri adaugi replici de citire.

Backup-urile nu ajung?

Backup-ul te protejează de pierderea datelor, dar restaurarea durează ore. Failover-ul te protejează de oprire: minute sau secunde.

Erori înrudite

← Toate erorile System Design

Tudor Andrei Dumitrescu
Cine a explicat eroarea

Tudor Andrei Dumitrescu

Senior Software Developer · fondatorul Academiei Programatorilor

LinkedIn
  1. 2019 Junior JavaCognizant Softvision
  2. 2021 Mid JavaCognizant Softvision
  3. 2022 Team LeaderEndava
  4. 2023 Senior Software DeveloperUniCredit
  5. Acum Senior Software DeveloperHCLTech
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu
Certificat de formator autorizatMinisterul Muncii și Ministerul Educației · 2022
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu

Certificat de formator autorizat · Ministerul Muncii și Ministerul Educației · 2022

Din 2020 construiește Academia Programatorilor, iar din 2026 și JoburiIT.ro. Fiecare eroare de aici a fost reprodusă în editorul nostru: codul greșit chiar dă mesajul din titlu, iar reparația chiar funcționează.

Învață System Design de la zero, cu exerciții la fiecare lecție

Curs System Design: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 10 lecții sunt gratuite.