发生电源故障时如何快速恢复嵌入式Ignite集群？

正常停止服务时节点会通过ShutdownHook主动发送TcpDiscoveryNodeLeftMessage通知集群，所以集群可以立刻感知节点离线触发恢复。意外断电时节点无法主动发送离线通知，集群只能依赖发现协议的心跳超时机制判定节点故障，默认超时阈值较高，所以恢复速度慢。可通过以下方案优化：

• 调整TCP发现协议核心参数
  嵌入式启动时修改TcpDiscoverySpi的超时、心跳相关配置，降低故障感知阈值：

  TcpDiscoverySpi discoverySpi = new TcpDiscoverySpi();
  // 心跳发送频率，默认2000ms，可调整为500~1000ms
  discoverySpi.setHeartbeatFrequency(1000);
  // 心跳ACK超时，默认2000ms，可调整为1000ms
  discoverySpi.setAckTimeout(1000);
  // Socket连接超时，默认5000ms，可调整为3000ms
  discoverySpi.setSocketTimeout(3000);
  igniteCfg.setDiscoverySpi(discoverySpi);
  

  也可以同步调整全局故障检测超时，默认10s，可调整为3~5s：

  igniteCfg.setFailureDetectionTimeout(3000);
  

  注意：参数下调幅度需要匹配集群网络稳定性，避免因网络波动误判正常节点为故障节点，引发不必要的集群抖动
• 手动强制移除故障节点
  故障已经发生的场景下，可以直接通过Ignite自带的控制工具强制剔除离线节点，立刻触发集群恢复：
  执行命令：control.sh --baseline remove <故障节点的一致ID>
  执行前需要确认目标节点确实处于离线状态，避免误删在线节点引发数据异常。
• 配置基线拓扑自动调整（适合固定节点规模的集群）
  提前开启基线拓扑自动调整功能，设置较短的触发超时时间，节点离线后会自动从基线拓扑中剔除，无需人工介入即可触发重平衡恢复：

  // 开启自动基线调整，节点变化后2s触发调整
  igniteCfg.setBaselineTopologyTimeout(2000);
  

以上方案仅适用于内网网络质量稳定的集群，跨机房、公网部署的集群需要酌情调高超时阈值，避免误判。

内容的提问来源于stack exchange，提问作者biandeqiang