先明确:小团队备份最容易翻车的三个场景
先明确:小团队备份最容易翻车的三个场景
我在几家 10 人以下的团队做过基础设施,备份翻车基本不是「没备份」,而是「备份了但用不上」。最常见的三种情况:一是只备份了数据库,忘了对象存储和配置文件,恢复时发现用户头像全丢、Nginx 配置和证书要靠记忆重建;二是备份和源数据在同一块盘、同一个云账号,运维误操作 rm -rf 或账号被盗时一起没了;三是从来没做过恢复演练,真出事才发现备份文件是空的、加密密钥找不到了、恢复脚本依赖一个早已下线的内部服务。
小团队资源有限,不可能像大厂做多活容灾,但可以用很低成本把「翻车概率」压下去 mimo。下面几条是我们实际在用的做法。
定好 RPO/RTO,别用「每天备份一次」糊弄自己
先跟业务方对齐两个数字:RPO(最多能丢多少数据)和RTO(最多能停多久)。对大多数小团队 SaaS 产品,RPO 定 15 分钟到 1 小时、RTO 定 2 到 4 小时是合理的,这个目标直接决定方案成本:
- 核心业务库(Postgres/MySQL):开
WAL归档或binlog持续投递到对象存储,配合每天一次全量基础备份 canopy,能做到分钟级 RPO。用pgBackRest或wal-g都行,别自己写脚本。 - 用户上传文件 / 静态资源:对象存储开版本控制加跨区域复制,比定时
rsync靠谱得多,误删也能从历史版本捞回来。 - 配置和基础设施:全部进 Git,数据库才需要「备份」,配置文件需要的是「版本历史」。别把
.env和证书只放在某一台服务器的/etc里。
把这两个数字写进内部文档,后面所有取舍都围绕它们做,避免「要不要上异地机房」这种没有终点的争论。
三条硬规则:3-2-1、不可变、定期校验
备份策略不用发明轮子,遵循 3-2-1:至少 3 份副本、2 种不同介质、1 份异地。小团队落地版可以很朴素:生产库一份、同区域对象存储一份、另一家云厂商的冷存储一份。关键是第三条规则——开启对象存储的不可变(Object Lock / 合规保留)策略,保留 7 到 30 天。这样即使有人拿到你的密钥,也删不掉保留期内的备份,能挡住勒索软件和内部误删。
还有一个被严重低估的动作:定期校验备份。我们每周跑一个定时任务,从最近的备份里随机恢复一个表到临时库,跑几条 COUNT(*) 和校验和比对,失败就告警。没有校验的备份,本质上只是一堆你希望它能恢复的文件。另外给备份加个「新鲜度」监控:如果某个备份桶超过预期时间没有新对象写入,直接推 PagerDuty/飞书告警。
把恢复演练写成脚本,而不是写成文档
文档会过期,脚本不会骗人。我们把恢复流程写成 restore.sh,放在独立仓库里,每月在隔离环境跑一次:拉取最新基础备份、重放 WAL 到指定时间点、启动应用容器、跑一轮冒烟测试(登录、下单、读文件)。整个过程计时,结果记录到一张表里,跟踪 RTO 是否还在目标范围内。
- 演练时故意制造「最坏情况」:只给恢复人员备份桶的只读权限,不给生产库权限;假设主节点和跳板机都没了。
- 加密密钥、云账号的恢复凭证单独存放在密码管理器里,不能和备份放在同一个账号下,否则账号一失联全部锁死。
- 把恢复负责人写成具体的人名而不是「运维组」,小团队最怕的就是出事时大家都以为别人会处理。
小团队最容易忽略的三件小事
最后补充几个踩过坑的细节。第一,备份也要限流和分层:数据库全量备份放在业务低峰期,用 ionice/nice 降优先级,否则一次备份就能把 IO 打满,引发线上超时。第二,关注恢复成本而不只是存储成本:冷归档存储便宜,但取回可能要几小时且有取回费用,RTO 要求 node 2 小时的话就别把核心库放进去。第三,把备份纳入变更流程:新建数据库、新加对象存储桶时,走一个 checklist 确认备份策略已配置,否则半年后你会发现某个「临时」业务库从来没被备份过。
备份这件事的投入产出比很反直觉:平时看起来是纯成本,出事那天它决定了你是发一条事故通告,还是发一条「公司停止服务」的公告。小团队不需要复杂的架构,把上面这几条做到位,就已经比大多数同行稳了。
- 点赞
- 收藏
- 关注作者
评论(0)