Skip to content

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 ​

三份副本、两种介质、一份异地① 生产数据数据库主文件上传文件目录副本 1② 本机/近端备份每天 dump 到另一个磁盘目录保留 7–14 天副本 2 · 介质不同③ 异地对象存储S3 / OSS / COS 之类每天上传,保留 30 天副本 3 · 位置不同为什么必须有一份异地同机房的备份挡不住"机器被删/账号被盗/机房故障"——这三件事会让你同时失去生产和本地备份个人项目的最小落地:每天 dump → 本机留 7 天 → 上传对象存储留 30 天。成本通常每月几块钱。注意:备份文件本身要加密或至少设访问权限,否则等于把数据复制到更不安全的地方。恢复目标要写下来:RPO(能丢多少数据)、RTO(多久恢复)。没有这两个数字,方案没有验收标准。

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:

  1. 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);
  2. 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";
  3. 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:

  1. 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;
  2. 改动一次只改一处,否则你不知道是哪一个改动救了场;
  3. 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。

本文阅读--次|全站访问--次|访客--人