2.3 结合 Redis 场景说明 场景实战

在大数据与中间件平台实际部署中，不同组件往往对分布式实例数量有严格要求。以 Redis 为例，我们可以通过 metainfo 配置 cardinality 的方式，精准约束主节点数量。

典型 metainfo 配置示例

下面是 Redis Master 组件的 metainfo.xml 片段：

<component>
    <name>REDIS_MASTER</name>
    <displayName>Redis Master</displayName>
    <category>MASTER</category>
    <cardinality>3+</cardinality> <!-- 至少需要 3 个主节点 -->
    <versionAdvertised>true</versionAdvertised>
    <commandScript>
        <script>scripts/redis_master.py</script>
        <scriptType>PYTHON</scriptType>
    </commandScript>
</component>

解读

cardinality 配置为 3+，即 Redis Master 必须至少部署 3 个实例，确保高可用和主从切换能力。此项校验可有效防止因节点数量不足导致的主节点单点故障。

Ambari 校验链路回顾

• 配置解析：在安装流程中，Ambari 首先通过 Java 层解析 metainfo.xml，识别出所有组件的 cardinality 约束。
• 校验调度：Java 后端自动把实际节点分配信息和 metainfo 配置一起传递给 StackAdvisor 校验引擎。
• 脚本执行：Python StackAdvisor 脚本依据 blueprint 和 cluster 绑定，对节点数量进行逐项检查，严格按照 cardinality 规则甄别部署方案。

校验阶段	说明
配置识别	解析 metainfo.xml，识别 <cardinality>3+</cardinality> 配置
部署参数传递	Blueprint/Host Groups 信息传递给 StackAdvisor 脚本
校验反馈	不足 3 个主节点时，接口直接返回 ERROR，终止部署流程

场景总结与实战价值

笔记

通过在 metainfo.xml 配置 <cardinality>，Ambari 能够将分布式高可用要求内置于平台自动化校验体系：

• 有效防止节点分配不合理，减少人工巡检和误操作。
• 部署阶段自动终止风险场景，避免隐患上线。
• Java 负责全流程调度和异常捕捉，Python 脚本做落地校验，提升系统健壮性和运维效率。

Redis 只是典型代表，几乎所有强一致性组件（如 Zookeeper、HBase Master、YARN ResourceManager 等）都可以利用此机制，平台集成时建议始终结合 metainfo 配置自动化部署约束。