TDengine 集群脑裂（Split-brain）防护机制深度解析：从 RAFT 共识到 clusterID 隔离问题原文：集群脑裂（Split-brain）场景下 TDengine 如何应对？在构建高可用的金融行情 tick 数据处理平台时，数据的一致性和服务的连续性是生命线。想象一个由5个节点组成的 TDengine 集群，负责接收并存储来自全球交易所的毫秒级股票报价。某天，由于数据中心内部网络设备故障，集群被意外分割成两个互不通信的子集：一个包含3个节点（A, B, C），另一个包含2个节点（D, E）。这种网络分区（Network Partition）事件，正是分布式系统中最令人头疼的“脑裂”（Split-brain）场景。在脑裂发生时，如果没有有效的防护机制，两个子集都可能认为自己是合法的集群，并各自选举出 Leader，开始独立地处理客户端的读写请求。这将导致灾难性的后果：同一支股票的最新价格在两个子集中被更新为不同的值，数据一致性彻底崩溃。当网络恢复后，系统将面临无法自动合并的、相互矛盾的数据状态。本文将深入 TDengine 3.4.x 的内核，系统性地剖析其如何通过RAFT 共识算法和clusterID 隔离机制双重保障，从根本上杜绝脑裂的发生，并确保在极端网络故障下依然能提供强一致性和高可用性。我们将结合金融行情系统的具体案例，揭示其设计哲学、实现细节与生产最佳实践。