第 7 章:数据安全:备份、恢复与事故处理
备份的意义不在于"我有一份副本",而在于"我能在半小时内把服务恢复到昨天"。这两件事的区别,只在一次演练里能看出来。
学习目标
- 分清"该备份什么"与"备份了也没用的东西"
- 用 3-2-1 原则设计一份自己维护得住的备份方案
- 做一次真的恢复演练,并知道它会暴露什么
- 拿到一份事故处理流程,知道第一分钟先干什么
7.1 备份的清单
| 对象 | 丢了会怎样 | 备份频率 |
|---|---|---|
| 数据库 | 全部业务数据消失 | 每天至少一次,重要业务更密 |
| 用户上传的文件 | 图片、PDF、附件全丢 | 每天增量 |
配置文件与 .env | 无法重建环境,密钥要重配 | 变更时 |
| 证书与私钥 | 需重新签发(可恢复) | 变更时 |
| 代码 | Git 远端就是备份 | 已在远端 |
| 镜像 | registry 里就是备份 | 已在 registry |
两个判断:
- 代码不用单独备份(已经在 Git 远端),但**
.env要单独备**(它不在 Git 里); - 数据库和上传文件是唯一"丢了就真没了"的东西,优先级最高。
7.2 3-2-1 原则
写下来两个数:
- RPO(Recovery Point Objective):最多能接受丢多少时间的数据 → 决定备份频率;
- RTO(Recovery Time Objective):最多能接受停多久 → 决定恢复流程的复杂度。
个人项目常见取法:RPO = 1 天,RTO = 2 小时。按这个标准设计,方案会简单很多。
7.3 具体怎么备
SQLite(很多小项目的选择):
bash
# 正确:用 .backup 或 VACUUM INTO,在线安全
sqlite3 /srv/data/app.db ".backup '/backup/app-$(date +%F).db'"
sqlite3 /srv/data/app.db "VACUUM INTO '/backup/app-$(date +%F).db'"
# 错误:直接 cp 正在写入的库,可能拿到损坏文件Postgres:
bash
# 自定义格式,便于选择性恢复
pg_dump -Fc -U app -d appdb -f /backup/app-$(date +%F).dump
# 恢复(先建空库)
pg_restore -U app -d appdb_restore /backup/app-2026-11-18.dump上传文件:
bash
# 增量同步到备份目录,再上传对象存储
rsync -a --delete /srv/uploads/ /backup/uploads/三条纪律:
- 备份脚本必须能从日志里看出成功还是失败,且失败要告警(第 6 章那条);
- 备份文件带日期与校验(大小、
sha256sum),防止"看起来有文件,其实写了一半"; - 不要只备一份"最新"——误删数据时,你可能需要的是前天的版本。
7.4 恢复演练:备份的验收标准
text
每季度一次,在临时目录/临时容器里:
1. 取最近一份备份
2. 恢复到全新的数据库实例
3. 抽查三条关键数据(最新一条、最旧一条、随机一条)
4. 启动应用连上它,跑一条主流程
5. 记录耗时:这就是你的真实 RTO演练会暴露的东西,往往比备份本身更值钱:
| 演练暴露的问题 | 说明 |
|---|---|
| 备份文件是 0 字节 | 脚本静默失败了几个月 |
| 恢复需要某个缺失的扩展/版本 | 生产与备份环境不一致 |
| 恢复耗时远超预期 | 数据量涨了,RTO 要重估 |
| 应用连不上恢复后的库 | 连接串、权限、时区不一致 |
只备份不演练,等于把"可能有备份"当成"肯定有备份"。
7.5 事故处理:五种常见事故
| 事故 | 典型症状 | 第一动作 |
|---|---|---|
| 磁盘写满 | 数据库报错、容器异常退出、日志中断 | 清日志与旧镜像,扩容,再查是谁在写 |
| 证书过期 | 浏览器全站报不安全 | 重新签发,查续期为何失败 |
| 内存 OOM | 进程被杀、502、重启循环 | 加限制/加内存/查泄漏,先恢复服务 |
| 数据库连接耗尽 | 请求排队、超时 | 查连接池配置与长事务,必要时重启 |
| 误删数据 | 某批记录消失 | 立即停止写入,从备份恢复,不要继续操作 |
最后一条的"立即停止写入"最关键:继续写入会把可恢复的空间覆盖掉。
7.6 事故处理的固定顺序
三条经验:
- 先止血,再定位。用户还在受影响时做根因分析,是最贵的错误;
- 改动一次只改一处,否则你不知道是哪一个改动救了场;
- 复盘要落到"具体改动":不是"加强监控",而是"加了磁盘 85% 告警,阈值和通知人写进第 6 章清单"。
7.7 一个能背下来的应急卡
text
1. 看 /readyz 与最近 20 行日志
2. 不行就回滚到上一个镜像 tag(第 5 章脚本)
3. 还不行就看磁盘(df -h)与内存(free -m)
4. 涉及数据 → 停写 + 找最近备份
5. 处理完:写时间线与根因,补一条告警或检查项把它贴在运维笔记最上面。出事时人不聪明,能照做的清单比"理解原理"更管用。
本章小结
| 要点 | 说明 |
|---|---|
| 备份对象 | 数据库、上传文件、配置与密钥;代码在 Git |
| 3-2-1 | 三份副本、两种介质、一份异地 |
| 两个数 | RPO 决定频率,RTO 决定流程 |
| 工具 | SQLite 用 .backup/VACUUM INTO,PG 用 pg_dump -Fc |
| 演练 | 每季度一次,恢复并跑主流程,才有真实 RTO |
| 事故 | 先止血后定位,一次只改一处 |
| 复盘 | 落到具体改动,不写口号 |
下一章
最后一章算钱:账单从哪来、四道闸门怎么关、一个用户到底赚不赚。