台湾原生站群服务器备份与灾备策略确保业务持续可用

1. 目标定义与需求评估

（1）明确RPO与RTO：先定义恢复点目标（RPO，例如15分钟、1小时或24小时）和恢复时间目标（RTO，例如30分钟、4小时或24小时）。
（2）资产清单：列出站群服务器、数据库、存储、配置文件、证书与DNS记录。记录每一项的重要性（A/B/C级）。
（3）合规与数据主权：台湾业务若有当地法规或客户要求，明确数据需留在台湾或允许跨境备份。

2. 备份方案总体架构（本地+异地+云）

（1）三级备份策略：热备（同步/近同步）、冷备（定时备份）与离线备份（离站或云）。
（2）拓扑建议：生产机 -> 本地备份服务器（NFS/对象存储） -> 异地备份中心或云（新北/台中或海外区域）。
（3）网络与带宽规划：根据RPO估算带宽，开启压缩与差异传输以节省流量。

3. 文件与站点内容备份的具体操作步骤

（1）使用rsync做增量同步（示例命令）：rsync -az --delete --numeric-ids --log-file=/var/log/rsync-www.log /var/www/ backup@backup01:/backup/www/ 。将其放入root crontab：*/15 * * * * /usr/bin/rsync --options。
（2）或使用restic做加密备份到对象存储（示例流程）：export RESTIC_REPOSITORY=s3:bkt/backup; export AWS_ACCESS_KEY_ID=xxx; restic init; restic backup /var/www --tag siteA 。配置restic forget/prune策略：restic forget --keep-daily 7 --keep-weekly 4 --prune。
（3）校验：每周执行restic check或rsync校验脚本，保存校验报告并报警。

4. 数据库备份（MySQL/MariaDB）一致性与恢复步骤

（1）逻辑备份：使用mysqldump实现单表或全库备份（示例）：mysqldump --single-transaction --quick --routines --events -u backup -pPASS dbname > /backup/dbname_$(date +%F_%H%M).sql 。适用于InnoDB且对大库影响小。
（2）物理、无停机快照：若使用LVM或ZFS，先对数据库做FLUSH TABLES WITH READ LOCK（或使用Percona XtraBackup做在线热备），然后对数据盘做快照并解锁；将快照数据rsync或上传至异地。
（3）增量/二进制日志：开启binlog并上传binlog到备份服务器，结合全备+binlog以实现PITR（point-in-time recovery）。恢复示例步骤写入恢复Runbook。

5. 虚拟机/容器级别灾备操作步骤

（1）VM快照与镜像：在Proxmox/VMware上定期创建快照并导出为OVA/镜像，保存到异地存储。命令化导出并上传到对象存储（示例：qm snapshot/ export）。
（2）容器数据卷备份：对Docker卷使用tar或restic备份，Kubernetes则使用Velero备份etcd与PV数据。配置定期备份CronJob并测试恢复。
（3）恢复流程：记录从镜像/快照启动流程、网络重映射、证书与IP调整的步骤，确保在异地能快速上线。

6. 自动化、监控与报警实施细则

（1）自动化脚本：将备份执行、上传、保留策略写成可复用脚本，使用Ansible或Salt统一部署与更新。示例：Ansible playbook执行rsync或restic备份并收集日志。
（2）监控与报警：采集备份任务成功率、上传速率、备份大小；配置Prometheus+Alertmanager或Zabbix在失败时告警（邮件、Slack、SMS）。
（3）恢复演练自动化：季度进行自动恢复演练，验证数据完整性与RTO，记录耗时并纳入KPI。

7. 问：如何在不影响业务的情况下对站群进行热备并保证数据库一致性？

问：如何在不影响业务的情况下对站群进行热备并保证数据库一致性？

答：采用组合方案：文件层用增量同步（rsync或restic）频繁传输，数据库使用Percona XtraBackup或mysqldump+binlog实现无停机全备与增量。具体步骤：开启binlog并配置用户权限->使用xtrabackup进行备份（备份后apply-log）->把备份上传到异地->持续传送binlog并在恢复点合并。若使用LVM/文件系统快照，先触发数据库fsync或事务一致性快照再做磁盘快照，随后解锁。

8. 问：DNS与流量切换在灾备中的具体实现步骤是什么？

问：DNS与流量切换在灾备中的具体实现步骤是什么？

答：建议多层切换：第一步在同一台湾站点内用Keepalived/HAProxy做内网漂移；第二步使用DNS故障转移（Route53/Cloudflare或本地DNS with low TTL）预置备用A记录与健康检查；第三步若需跨地域切换，使用Anycast或BGP+NAT在备用机房宣布IP。操作步骤包括：设置健康检查->配置低TTL（60秒）->准备备用机房并完成数据同步->触发DNS切换并监控收敛时间。

9. 问：如何定期验证备份可用性和恢复可执行性？

问：如何定期验证备份可用性和恢复可执行性？

答：建立恢复演练制度并自动化：每周随机选择一份备份进行完整恢复到沙箱环境，验证应用能启动、数据库可读写、业务关键路径通过。记录演练时间和失败点，按严重性建立改进计划。自动化方面可用CI/CD流水线触发恢复验证脚本，生成报告并纳入SLA审查。

来源：台湾原生站群服务器备份与灾备策略确保业务持续可用