背景
数据库集群为rawkv，没有tidb节点，版本为v5.0.4，计划升级到v6.1.0，利用现有的集群机器进行升级，没有额外的机器可用，还要考虑回退时间最短。
升级原因：
由于v5.0.4版本使用的灾备是基于learner角色来实现的，本身还处于一个集群；想用TiCDC来实现容灾功能，只能升级到v6.1.0版本。
环境准备
v6.1.0软件下载地址：
https://pingcap.com/zh/product-community
升级步骤
1）停止业务访问现有RawKV集群（记为：A集群）
观察grpc没有连接，并更新 javaclient 3.3版本（由于没有tidb节点，访问tikv时用javaclient）
2）备份现有集群（A集群）数据（使用v5.0.4版本br备份）
br backup raw --pd $PD_ADDR \
-s "local:///nas \
--ratelimit 128 \
--format hex \
--cf default
3）关闭A集群
tiup cluster stop $cluster_name
4）创建一套v5.0.4集群记为B集群
B集群的pd、tikv、监控等组件部署目录跟原集群不一致，端口保持一致，与A集群的拓扑保持一致
部署拓扑文件deploy.yaml：
global:
user: "tidb"
ssh_port: 22
deploy_dir: "/home/tidb_deploy"
data_dir: "/home/tidb_data"
os: linux
arch: amd64
monitored:
node_exporter_port: 9100
blackbox_exporter_port: 9115
deploy_dir: "/home/tidb_deploy/monitored-9100"
data_dir: "/home/tidb_data/monitored-9100"
log_dir: "/home/tidb_deploy/monitored-9100/log"
server_configs:
tidb: {}
tikv:
pd.enable-forwarding: true
raftdb.defaultcf.hard-pending-compaction-bytes-limit: 4096GB
raftdb.defaultcf.compression-per-level: ["lz4","lz4","lz4","lz4","lz4","lz4","lz4"]
raftdb.defaultcf.soft-pending-compaction-bytes-limit: 4096GB
raftdb.defaultcf.level0-slowdown-writes-trigger: 32
raftdb.defaultcf.level0-stop-writes-trigger: 1024
raftdb.defaultcf.max-write-buffer-number: 16
raftdb.defaultcf.write-buffer-size: 256MB
raftdb.max-background-jobs: 4
raftdb.max-sub-compactions: 2
raftdb.use-direct-io-for-flush-and-compaction: true
raftstore.apply-pool-size: 6
raftstore.hibernate-regions: false
raftstore.pd-heartbeat-tick-interval: 5s
raftstore.raft-base-tick-interval: 200ms
raftstore.raft-election-timeout-ticks: 5
raftstore.raft-heartbeat-ticks: 1
raftstore.raft-max-inflight-msgs: 2048
raftstore.raft-store-max-leader-lease: 800ms
raftstore.store-pool-size: 4
readpool.storage.use-unified-pool: true
readpool.unified.max-thread-count: 10
rocksdb.defaultcf.block-size: 8KB
rocksdb.defaultcf.hard-pending-compaction-bytes-limit: 4096GB
rocksdb.defaultcf.max-bytes-for-level-base: 1GB
rocksdb.defaultcf.soft-pending-compaction-bytes-limit: 4096GB
rocksdb.defaultcf.level0-slowdown-writes-trigger: 32
rocksdb.defaultcf.level0-stop-writes-trigger: 1024
rocksdb.defaultcf.max-write-buffer-number: 16
rocksdb.defaultcf.write-buffer-size: 1024MB
rocksdb.defaultcf.compression-per-level: ["lz4","lz4","lz4","lz4","lz4","lz4","lz4"]
rocksdb.max-background-jobs: 16
rocksdb.max-sub-compactions: 4
rocksdb.rate-bytes-per-sec: 500MB
rocksdb.use-direct-io-for-flush-and-compaction: true
server.grpc-raft-conn-num: 3
storage.enable-ttl: true
storage.ttl-check-poll-interval: 24h
log-level: info
readpool.unified.max-thread-count: 20
storage.block-cache.capacity: "100GB"
server.grpc-concurrency: 4
pd:
election-interval: 1s
lease: 1
tick-interval: 200ms
max-replicas: 5
replication.location-labels: ["zone","rack","host"]
pd_servers:
- host: xx.xx.xx.xx
ssh_port: 22
name: pd_ip-6
client_port: 2379
peer_port: 2380
deploy_dir: /home/tidb_deploy/pd-2379
data_dir: /home/tidb_data/pd-2379
log_dir: /home/tidb_deploy/pd-2379/log
arch: amd64
os: linux
tikv_servers:
- host: xx.xx.xx.xx
port: 20160
status_port: 20180
deploy_dir: "/home/tidb_deploy/tikv-20160"
data_dir: "/home/tidb_data/tikv-20160"
log_dir: "/home/tidb_deploy/tikv-20160/log"
config:
server.labels:
rack: az1
host: ip-7
arch: amd64
os: linux
- host: xx.xx.xx.xx
port: 20161
status_port: 20181
deploy_dir: "/home/tidb_deploy/tikv-20160"
data_dir: "/home/tidb_data/tikv-20160"
log_dir: "/home/tidb_deploy/tikv-20160/log"
config:
server.labels:
rack: az1
host: ip-8
arch: amd64
os: linux
- host: xx.xx.xx.xx
port: 20160
status_port: 20180
deploy_dir: "/home/tidb_deploy/tikv-20160"
data_dir: "/home/tidb_data/tikv-20160"
log_dir: "/home/tidb_deploy/tikv-20160/log"
config:
server.labels:
rack: az1
host: ip-9
arch: amd64
os: linux
monitoring_servers:
- host: xx.xx.xx.xx
ssh_port: 22
port: 9090
deploy_dir: "/home/tidb_deploy/prometheus-8249"
data_dir: "/home/tidb_data/prometheus-8249"
log_dir: "/home/tidb_deploy/prometheus-8249/log"
arch: amd64
os: linux
grafana_servers:
- host: xx.xx.xx.xx
port: 3000
deploy_dir: /home/tidb_deploy/grafana-3000
arch: amd64
os: linux
部署集群，需要在一台无tiup的机器上安装tiup工具，因为同一个tiup是无法创建相同端口的集群
$ scp -r ~/.tiup tidb@xx.xx.xx.xx:~/.tiup
$ tiup cluster deploy backup v5.0.4 ./deploy.yaml --user tidb -p -i /home/tidb/.ssh/id_rsa
$ tiup cluster start backup
5）将A集群的备份数据恢复至B集群
br restore raw \
--pd "${PDIP}:2379" \
--storage "local:///nas" \
--ratelimit 128 \
--format hex --log-file restore.log
6）将B集群升级至RawKV 6.1
#先更新tiup组件、TiUP Cluster 组件版本
tar xzvf tidb-community-server-v6.1.0-linux-amd64.tar.gz
sh tidb-community-server-v6.1.0-linux-amd64/local_install.sh
source /home/tidb/.bash_profile
tiup update cluster
#检查tiup升级后的版本
tiup --version
tiup cluster --version
#进行停机升级，首先需要将整个集群关停。
$ tiup cluster stop backup
#通过 upgrade 命令添加 --offline 参数来进行停机升级。
$ tiup cluster upgrade backup v6.1.0 --offline
#升级完成后集群不会自动启动，需要使用 start 命令来启动集群。
$ tiup cluster start backup
7）升级完后，最好重启下集群，并检查下tikv版本
tiup ctl:v6.1.0 pd -u xx.xx.xx.xx:23791 store｜grep version
8）启动业务访问B集群
让业务进行验证
9）验证集群正常使用后清理A集群
业务验证正常后，将A集群进行清理：
tiup cluster destroy tidb-cluster
tiup cluster reload backup
tiup cluster rename backup tidb-v6
回退方案
如果发生了其他原因，导致需要回退，则采用以下回退方案：
- 停止现有业务访问；
- 销毁RawKV 6.1集群（即B集群）；
- 启动原RawKV 5.0.4集群（即A集群）；
若启动报错，缺少services文件时，可以使用 tiup cluster enable tidb-cluster解决。
4. 启动应用访问集群（A集群）
总结和思考
数据库升级时，首先要考虑数据安全，还要保障停机时间最短；
利用现有机器进行升级时，要保证回退时间最短，在停机窗口内完成回退；
升级前做好充足的测试；
跨大版本升级还未发现新问题，rawkv使用的接口相对简单，put、get、delete，不涉及SQL语句，也不会有全表扫描之类的。