备份和复制策略

简短摘要

强大的数据策略有三个支柱：备份、复制、恢复。复制副本减少了RTO（恢复时间），备份可保证RPO（数据丢失）并防止逻辑错误/勒索软件。基本原理是：3-2-1-1-0（3份副本，2种媒体类型，1个离站，1个不变，0个检查错误），定期的DR测试和关键集的固定性。

术语和目标

RPO-允许丢失多少数据（例如,≤ 5分钟）。
RTO-可以恢复多长时间（例如≤ 15分钟）。
PITR（点对点恢复）-使用日志回放恢复"X时刻"。
数据SLO是RPO/RTO的服务级别合同以及备份任务的成功。

矩阵示例：

数据类别	RPO	RTO	注释
交易/钱包	≤ 1-5分钟	≤ 5-15分钟	日志+同步内核副本
报告/PII	≤ 1小时	≤ 1小时	WORM/immutability，归档
Logi/原始事件	≤ 24小时	≤ 4小时	对象，lifecycle

容错和复制模型

拓扑变体

Active-Passive（热/热/冷）：更简单、可预测的过滤器。
Active-Active：高可用性,但冲突和一致性更为复杂。
Multi-Zone/Region/Cloud：延迟与egress成本的平衡。

同步vs asinchron

同步：RPO≈0，上方，距离限制。
Asinhron：在小RPO（分钟）下接近零RTO，可承受区域/云。
溷合动力：在区域内同步,asinchron在远程区域。

复制品≠备份

复制副本在源代码之后删除错误/删除。Backup是具有验证，检查和隔离功能的离线副本。

政策3-2-1-1-0和固定性

3份副本（prod+local备份+offsite）。
2种介质类型（单元/NAS/对象/磁带）。
1个离线（其他站点/云/磁带）。
1个不可更改的副本（WORM： Object Lock, immutable snapshots/磁带）。
0错误：常规集成测试测试（checksum/verify/restore测试）。

实践：

为关键备份对象启用验证和对象锁（Compliance/Governance）。
对于NAS/单元,可触发快照,并在截止日期之前禁止删除。

备份类型和时间表

Full是完整副本。
Incremental只是过去备份的变化。
Differential-自上次完整以来的更改。
带有GFS计划（Grandfather-Father-Son）的Forever-incremental：日间调节，每周和每月"合成完整"。

建议（示例）：

Prod DB：每天5-15分钟（PITR）全部（或合成全）、内饰/日志。
文件服务器：每周满,每日积压,每月存档。
对象：lifecycle+版本；冷至存档存储类/磁带。

应用与数据库： PITR实践

PostgreSQL

启用WAL存档和数据库备份；通过"restore_command"进行PITR。
工具："pgBackRest"，"wal-g"（对象），"pg_basebackup"用于完整。
分割卷：数据和WAL；使用PLP将WAL写入快速NVMe。

MySQL/MariaDB

PITR的二进制日志通过"Percona XtraBackup"（热备份）完整。
GTID复制；DR为区域/云的asinhron。

MongoDB

PITR的Oplog；用于逻辑拷贝的storaja+"mongodump"级别的狙击手。
在备份之前测试复制副本的一致性。

Redis/缓存

不算备用：保持RDB/AOF+offsite；恢复为warm-cache或从真相来源。

Kubernetes和容器

群集的etcd是一个单独的临界目标（频繁的狙击，离网）。
Velero：宣言/资源备份+CSI-snapshots/PV；存储在兼容S3的垃圾箱中（使用Object Lock）。
Stateful战利品：app consistent snapshots （pre/post hooks）,否则为crash-consistent。
对象工件（模型/媒体）的转化-在垃圾箱级别。

虚拟化和文件服务器

VM snapshots：使用CBT（更改块跟踪）,存储offsite,定期做guest-aware quiesce （VSS for Windows）。
文件服务器（NAS）： snapshots+副本和常规目录恢复测试（文件采样）。

备用安全性

静态加密（LUKS/ZFS/云 KMS/Vault）和传输时加密（TLS/mTLS）。
密钥管理：单个角色、双控制、旋转、离线存储主密钥。
隔离：备用软件帐户无权删除固定副本；单独的网络/VLAN。
Ransomware可持续性：immutable, air-gap（磁带/隔离帐户/单元）。
审计：备份系统操作日志、删除/收缩警报。

窗口和吞吐量规划

Backup Window vs负载：I/O/网络推送、重复数据消除、压缩。
网络：每N分钟加注一次，单独的通道/VPN，夜间或永久使用QoS的复制品。
更改块跟踪/CDC以减少流量。
大基础：并行流/流媒体，多通道多重映射到对象。

监控、指标和SLO

技术指标：

备份/复制任务的成功率（%）、持续时间、速度、日志变量（WAL/binlog/oplog）。
备用存储空间，滞后系数，其他费用。
测试恢复的时间和成功。

SLO（示例）：

Backaps的成功率≥ 99。9%/30天。
RPO ≥达到99％的时间（日志≤目标日志）。
RTO（测试恢复）≤ 15分钟用于钱包，≤ 1小时报告。
每月DR-drill： 100%的法规脚本已完成。

Alerts：

错过/失败的备份,PITR>阈值脱落,重复数据消除率下降,空间不足,重建策略改变,没有新鲜的测试恢复。

DR演习和恢复检查

表（table top）：角色协调、联系、沟通。
技术："沙箱"恢复，RTO测量，校验和/数据比较。
Black start：完全恢复到"裸铁/清洁集群"。
数据目录：每个系统类别的预先描述的恢复步骤（runbooks）。
自动化：定期"金丝雀"还原和对等校验金额。

实用模板

1） PostgreSQL （pgBackRest+WAL存档到对象）

ini
[global]
repo1-type=s3 repo1-path=/pgbackups repo1-s3-endpoint=minio. local:9000 repo1-s3-bucket=pg-wal repo1-s3-key=ACCESSKEY repo1-s3-key-secret=SECRET repo1-retention-full=8 start-fast=y compress-type=zst

2）wal-g（ENV示例）

bash export WALG_S3_PREFIX=s3://pg-wal/prod export AWS_ACCESS_KEY_ID=...
export AWS_SECRET_ACCESS_KEY=...
export WALG_COMPRESSION_METHOD=zstd

3）Velero（K8s-物体+罐的固定性）

yaml apiVersion: velero. io/v1 kind: BackupStorageLocation metadata: { name: default, namespace: velero }
spec:
provider: aws objectStorage:
bucket: k8s-backups config:
s3Url: https://minio. example s3ForcePathStyle: "true"
publicUrl: https://minio. example

4）对象锁政策（示例"mc"）

bash mc version enable my/backups mc retention set --default COMPLIANCE 365d my/backups

5） GFS时间表示例（概念）

日报：每15分钟（杂志）加注一次，白天合成满。
每周：一个"完整"（合成），存储8周。
每月：完整,存储12-24个月（存档/磁带）。

实施支票

已定义数据类别、所有者、RPO/RTO/SLO。
选择了复制模型（sync/async）和拓扑模型（AZ/Region/Cloud）。
设置备份：full/incremental/PITR、时间表、目录。
包括immutability （WORM/Object Lock/immutable snapshots）和offsyte/air-gap。
加密和KMS/Vault,分开角色和密钥旋转。
监测：任务成功，日志脱落，地点，测试恢复；Alertes。
Runbooks恢复和操纵器；联系人、升级、通信模板。
每月DR演习+报告，计划调整。
预算和FinOps：存储成本/egress,存档/擦除项目。

典型错误

"复制副本是-不需要备份"：逻辑删除和勒索程序将前往复制副本。
没有恢复测试-"理论上"存在备份。
缺乏固定性和离场是一个单一的风险点。
Prod和Backaps的相同帐户/密钥是损害=失去一切。
备用窗口太长，→与高峰发生冲突；没有trottling和QoS。
PITR不受期刊故障控制。
忽略app-consistent snapshot是"脏"可恢复卷。

iGaming/fintech的细节

钱包/支付核心：RPO ≤ 1-5分钟，RTO ≤ 15分钟；日志（WAL/binlog）到具有WORM的对象；在+asinchron区域同步。
报告/监管：不变的存储,长期的重组（年）,可验证的完整性,向监管机构发布数据的明确程序。
Logi/原始事件/antifrod：廉价的长寿存储（对象）+lifecycle；索引和店面是分开的。
山顶（比赛/锦标赛）：山顶外的后备窗口，throttling；活动期间的DR计划；金丝雀在促销前还原。

底线

数据保护是一门体系结构学科：3-2-1-1-0，转换和固定，RPO/RTO作为SLO，定期DR演习和"事实上"恢复检查。将aptime和failover的复制与逻辑错误和损害的备份相结合。自动化，测量，记录-即使在最糟糕的日子里，您也总会有工作回头路。