Cluster de base de données tolérant aux pannes avec basculement automatique

Nous gérons une plateforme web très fréquentée sur un seul serveur de base de données, et ce point de défaillance unique nous empêche de dormir la nuit. Toute défaillance matérielle, mise à jour échouée ou requête lourde et incontrôlée peut mettre l'ensemble du produit hors ligne pour des milliers de clients à la fois. Nous recherchons un ingénieur en base de données expérimenté pour concevoir et construire un cluster tolérant aux pannes qui élimine ce risque et permet à l'équipe de ne plus s'inquiéter de la prochaine panne.

Le cœur du travail est la réplication sur au moins deux nœuds avec basculement automatique, de sorte que lorsque le primaire devient indisponible, le trafic passe à une réplique saine en quelques secondes et sans que personne ne se réveille pour le faire manuellement. Nous avons également besoin d'une stratégie de sauvegarde solide et testée : copies complètes et incrémentielles programmées, stockage hors site, règles de conservation et procédure de restauration documentée que nous pouvons réellement exécuter sous pression. Les vérifications de santé et les alertes doivent nous permettre d'apprendre les problèmes avant nos utilisateurs.

Vous devez être à l'aise avec les outils de haute disponibilité, le routage des connexions et le diagnostic du retard de réplication. Nous attendons d'abord une courte proposition d'architecture, puis une mise en œuvre sur une copie de staging, un exercice de basculement contrôlé que nous observons ensemble, et enfin un déploiement en production soigneux. La documentation rédigée dans un langage clair, afin que nos propres ingénieurs puissent faire fonctionner le cluster, est une partie requise du livrable, et non une réflexion tardive.