容错数据库集群，具有自动故障转移功能

我们在单一数据库服务器上运行一个繁忙的网络平台，而这个单点故障让我们夜不能寐。任何硬件故障、更新失败或重负载查询都可能使整个产品同时下线，影响成千上万的客户。我们正在寻找一位经验丰富的数据库工程师，设计并构建一个容错集群，以消除这一风险，让团队不再担心下一个故障。

工作的核心是跨至少两个节点的复制，具有自动故障转移功能，以便在主节点不可用时，流量在几秒钟内切换到健康的副本，而无需任何人手动操作。我们还需要一个可靠的、经过测试的备份策略：定期的完整和增量备份、异地存储、保留规则，以及我们在压力下可以实际执行的文档化恢复程序。健康检查和警报必须让我们在用户发现问题之前就能了解到故障。

您应该对高可用性工具、连接路由和诊断复制延迟感到舒适。我们期望首先提供一个简短的架构提案，然后在一个暂存副本上实施，进行一次我们共同观察的受控故障转移演练，最后小心地进行生产环境的推出。以通俗易懂的语言编写的文档是交付物的必要部分，而不是事后考虑。