💫《博主主页》：
🔎 CSDN主页： 奈斯DB
🔎 IF Club社区主页： 奈斯、
🔥《擅长领域》：
🗃️ 数据库：阿里云AnalyticDB(云原生分布式数据仓库)、Oracle、MySQL、SQLserver、NoSQL(Redis)
🛠️ 云原生（数据库管控平台方向）：K8s、Prometheus、Go、容器化调度、故障自愈、多集群管理
💖如果觉得文章对你有所帮助，欢迎点赞收藏加关注💖
有一件事想了两年。🗓️
记得第一次接触云数据库是2021年，点几下鼠标实例就出来了。当时只觉得：真快啊。 也没多想，用就完了。😶
但用久了，慢慢开始好奇：这东西背后到底怎么实现的？我能不能也搓一个？
然后2024年，我就开始认真开始琢磨这件事。深入了解才发现，云数据库背后依赖的是一整套云原生技术栈：容器化、容器编排、监控告警......这些我都不懂。😇没办法，DBA出身，Oracle、MySQL、Redis这些数据库本身还算熟，但容器、编排、微服务这些，完全是另一个世界。
于是开始补课： 先学Prometheus+Grafana监控，然后Docker，之后K8s，最后Go。📚学一点是一点，心里一直挂着这个事。从2024年到现在，刚好两年。
今年终于动手了。过去三个月，从零写了一个轻量RDS管控平台。
现在长什么样呢？核心链路已经能跑通， 测试环境和预生产都在跑着验证。但像高可用自动切换、按时间点恢复这些企业级能力还在完善，整体完成度我估40%~50%。😅
这篇文章就是复盘：做了什么、用了什么技术、哪里挖了坑、下一步填哪。
平台演示地址（轻点踩，服务器弱）：
👉
http://www.rds-db.com
一、为什么写这个
作为DBA，对于Oracle、MySQL、Redis这些还算熟，主从复制、备份恢复、性能调优 算是看家本领。但云原生那套？K8s、Operator、Sidecar......对我来说完全是另一个世界。🌍
刚开始用云数据库那会，纯粹就是用户心态了，点几下就出来，好用、快，完事。😌
后来用多了，开始琢磨：它怎么做到这么快的？底层怎么调的？故障怎么切的？
然后发现，光懂数据库不够，还得懂容器、调度、监控那一整套。
于是从两年前开始，按这个顺序补课：监控→容器→编排→语言。一步步把短板补上，想着总有一天要把老本行（数据库）和新学的（云原生）串起来。🎯
今年终于下定决心，落地成这个项目。✅
二、技术栈
直接列我现在用的这套：
模块 技术栈 备注 前端 React + Ant Design 管理台交互，调用后端REST API 后端 Golang + Gin + GORM 业务逻辑、任务调度、K8s API交互 调度 K8s + client-go 数据库实例的创建、扩缩容、自愈 数据库 MySQL 8.0 + GTID 容器化运行，主从基于GTID复制 备份 XtraBackup + MinIO 全量物理备份，增量备份待完善 监控 Prometheus + Grafana 指标采集、存储、可视化展示 左右拉动查看完整表格 ⬅️➡️
三、核心能力（做到哪算哪）
1. 实例生命周期（大概65%）
能干啥： 创建、删除、重启、改密码。底层K8s StatefulSet。
还缺啥： 在线改规格做了一半，有时候状态同步会乱。克隆实例还没开始。
2. 高可用主从（大概35%）
能干啥： 一主一从部署、主从切换（手动/自动都行）。从库挂了能自动重建，主库挂了也能自动切，探活这块已经调稳了。
还缺啥： 切是能切，但切完之后的业务恢复通知不够优雅------目前是靠轮询，没有做回调。另外跨机房部署的场景还没验证过。
3. 备份恢复（大概45%）
能干啥： 定时全量备份到MinIO、从全量备份恢复。
还缺啥： 增量binlog备份通了但不稳，按时间点恢复能跑通但边界情况会翻车。这俩是下一步重点。
4. 监控告警（大概60%）
能干啥： QPS、连接数、慢查询、复制延迟都有，Grafana面板看着挺唬人。简单告警（实例挂了、延迟高了）也能发。
还缺啥： 告警规则还不够细，有时候误报或漏报。
5. 账号权限（大概80%）
能增删账号、改密码、授权到库。表级别权限还没做，白名单也没有。基本够开发环境用。
6. 只读实例（大概20%）
能加只读节点，但读写分离层还没接。现在要读从库得手动改连接。优先级不高，往后放。
四、遇到的坑
说实话，第一次写遇到的坑还有很多很多，基本上一步一卡。😩
挑三个典型的说：
坑一：K8s里MySQL主从切换
切一次出一次问题。
后来老老实实加了Sidecar，做GTID位点校验，先降级旧主再提新主。现在手动切是稳的，自动还在磨。
坑二：PITR的位点对齐
全量备份记录一个位点，binlog从那个位点往后应用。
说起来简单，但容器重启后路径变了、binlog文件顺序乱了，各种幺蛾子。现在能跑，但代码里一堆TODO。
坑三：前端调后端，后端调K8s，超时了咋办？
方案比较粗暴：提交后立刻返回"操作已提交"，结果异步查。
体验不丝滑，但不报错就算赢了。
五、接下来打算填的坑
按优先级排：
- 自动故障切换------ 把探活和决策引擎磨稳定
- PITR稳定性------ 把边界情况补上
- 读写分离接入------ 接个ProxySQL，让读流量自动走从库
- 部署文档------ 写个Helm Chart，方便别人本地跑
- 混沌测试------ 杀节点、断网，看系统会不会崩
远期画饼， 支持Redis、审计日志等等。
六、写在最后
其实我也不是非得等做完才发。😅
做到这个程度，核心链路能跑了，测试和预生产也在验证，我觉得就可以拿出来说一说了。剩下的企业级功能边做边补，反正坑就在那里，早晚要填。
发出来的好处是： 逼自己不能烂尾，收到的反馈能及时用到开发里，也给同样在坑里的同学一个活生生的参考。
接下来会继续肝，会继续完善成生产级别。如果你也在做类似的东西，欢迎交流、吐槽、一起踩坑。🍻
地址再贴一次： 👉
http://www.rds-db.com挂了就是我在改代码，隔半天再刷就行。
感谢看完。👋