台湾站群云主机备份恢复策略制定与故障演练实施要点

1.

总体策略与目标设定

- 明确RPO（数据可接受丢失时间）与RTO（恢复时间目标）。
- 按站群分级：核心站（RPO≤1小时,RTO≤30分钟），普通站（RPO≤6小时,RTO≤2小时）。
- 确定备份类型：全量+增量+快照+日志归档，并制定保留策略（如7天、30天、90天）。

2.

备份架构与存储规划

- 本地快照（例如LVM/ZFS）用于快速恢复；异地对象存储（S3或腾讯cos）用于容灾。
- 备份数据分离磁盘与主服务，采用加密传输（TLS）和加密存储（AES-256）。
- 设定备份带宽窗口，避免高峰影响业务，使用限速工具（rsync --bwlimit）。

3.

文件与静态内容备份实操

- 每日全量每周一次，增量采用rsync或tar+增量方式。示例：rsync -aH --delete /var/www/ user@backup:/data/site1/。
- 使用硬链接保存历史：rsync到日期目录并用rsync --link-dest实现增量硬链接节省空间。
- 定期校验：tar -tzf backup.tar.gz 或 rsync --checksum 检查一致性。

4.

数据库备份与恢复步骤（MySQL示例）

- 小库可用mysqldump：mysqldump --single-transaction --routines --events -u root -p DBNAME > db.sql。
- 大库推荐Percona XtraBackup：innobackupex --stream=tar /backup | gzip > /obj/db/backup_$(date +%F).tar.gz。
- 恢复命令示例：mysql -u root -p DBNAME < db.sql；Xtrabackup恢复需prepare后copy回数据目录并chown/selinux处理。

5.

快照与云厂商API自动化

- 使用云主机快照（如云硬盘快照）保证一致性：先冻结文件系统或挂载为只读，再触发快照API。
- 编写脚本调用API（示例伪码）：curl -X POST https://api.provider/snapshots -d '{"volume":"vol-xx"}'。
- 快照与备份结合：快照导出到对象存储，保留策略自动清理过期快照。

6.

数据传输与加密、校验

- 使用rclone或aws-cli同步到对象存储：rclone sync /backup remote:bucket/site --transfers=8。
- 传输前后计算SHA256校验：sha256sum file > file.sha256，恢复时比对。
- 备份文件上加密：gpg --symmetric --cipher-algo AES256 backup.tar.gz。

7.

恢复演练（故障演练）准备与流程

- 演练前：通知相关团队，准备演练跑本与回滚计划，列出依赖清单（DNS、负载均衡、证书）。
- 演练步骤：1）触发模拟故障（停主机或切断网络）；2）按恢复Runbook执行（恢复数据、启动服务、切换DNS）；3）验证业务流并计时RTO。
- 记录问题、时间点与改进项，形成演练报告并调整SOP。

8.

自动化Runbook与监控告警集成

- 将常用恢复步骤写成可执行脚本（restore_files.sh, restore_db.sh），并放到版本控制。
- 集成监控告警（Prometheus/Alertmanager）在备份失败或延迟时自动通知运维群组。
- 定期（每月）自动测试恢复脚本并生成结果报告。

9.

权限、审计与合规要点

- 备份账户最小权限原则，使用专用密钥并定期轮换。
- 记录备份/恢复操作审计日志（包含触发人、时间、命令摘要），保存90天以上以备核查。
- 确保个人资料与敏感信息按法规加密与访问控制。

10.

问：演练频率与范围应该如何制定？

- 建议：核心站每季度至少一次全流程演练（包含RTO计时），普通站半年度一次。范围包含数据恢复、应用启动、DNS切换与监控告警验证。

11.

问：如何验证备份数据的可用性？

- 定期从备份实例恢复到隔离环境并做烟雾测试（页面加载、数据库查询、登录），同时做校验（校验和、行数比对）并记录结果。

12.

问：恢复时如何保证最小业务中断？

- 采用分层恢复：先恢复数据库与API服务到临时主机，再逐步切换负载均衡；使用DNS TTL短化、预先准备好备机镜像与自动化脚本可将RTO降到最小。

来源：台湾站群云主机备份恢复策略制定与故障演练实施要点