
备份这件事,最大的风险不是没备,是备了恢复不了。硬盘上躺着一堆备份文件,真出事的时候发现文件损坏、格式不对、或者根本没包含关键表,这种教训很常见。
频率怎么定
按数据变化量定,不按习惯定。日更的站每天一次起步,每小时都有新数据的站要加增量备份。
重要变更前手动备一份。改表结构、批量更新数据、迁移服务器,这些操作之前手动备份,是最便宜保险。
保留周期按业务需求定。至少要留七天,能覆盖一周内发现的问题。有合规要求的行业要留更久。
频率不是越高越好。每小时全量备份会占用大量 IO,影响主库性能。高频用增量,低频用全量,组合起来。
三处存放原则
第一处是本地。同一台机器或者同一内网,恢复最快。这是日常回滚用的。
第二处是异地。另一台机器或者对象存储,防止机器整体故障、机房故障。本地和异地同时挂的概率很低。
第三处是离线。移动硬盘或者冷存储,防勒索病毒和误删。勒索病毒会加密所有能访问到的存储,离线的才安全。
三处不要用同一套账号权限。全用 root 或者全用同一个密钥,一处被攻破等于三处全丢。
还要注意备份文件本身要加密。备份里是完整业务数据,泄露的后果比网站被黑更严重。
恢复演练怎么做
每月抽一份备份,真实恢复到测试库。不是解压看看文件在不在,是真的导入进去跑起来。
验证四个点:表数量对不对、数据行数量级对不对、关键表的最新记录时间合不合理、索引和约束是否完整。
记录恢复耗时。这个数字决定了真实故障时的停机时间,也决定了你需不需要优化恢复流程。
演练要覆盖不同场景。单表误删、整库损坏、机器迁移,三种场景的恢复步骤不同,都要跑过。
小站最容易忽略的盲区
第一个盲区是只备数据库不备文件。用户上传的图片、附件、配置文件,这些丢了同样致命。数据库和文件要一起备。
第二个盲区是备份脚本静默失败。脚本跑了但失败了,没人知道,等到需要用时才发现最近的备份是三个月前的。备份必须发成功通知,失败必须告警。
第三个盲区是备份占满磁盘。备份文件越积越多,最后把磁盘写满,主库也写不进数据。要设自动清理。
第四个盲区是备份和主库在同一块盘。盘坏了,主库和备份一起没。备份要放在不同的物理介质上。
第五个盲区是没测过恢复。备份文件能解压不等于能导入。版本不匹配、字符集不对,都会导致恢复失败。
备份方式的选择
逻辑备份导出 SQL 文件,通用性强,能跨版本恢复,缺点是慢、占空间大。适合数据量不大、需要长期保留的场景。
物理备份直接复制数据文件,速度快、恢复快,缺点是绑定版本和平台。适合大库和需要快速恢复的场景。
增量备份只备变化部分,省空间省时间,缺点是恢复要按顺序叠加,链条一断就麻烦。
小站一般用逻辑备份就够。数据量超过几十 G 再考虑物理备份或者增量方案。
自动化怎么落地
写一个脚本,做四件事:导出、压缩、加密、上传异地。四步都成功才算完成。
脚本要记录日志,每次执行写清楚开始时间、结束时间、文件大小、上传结果。
加执行锁,防止上一次没跑完又启动一次。两次备份同时跑会互相干扰。
加超时保护,避免脚本卡死占用连接。
加清理逻辑,按日期删掉过期备份。删除前先确认新备份已经成功,别删了旧的新的又失败。
几个实操细节
备份文件命名带日期和时间。yyyyMMdd_HHmm 这种格式最实用,排序即时间序。
导出时用一致的字符集参数。字符集不对,中文会变问号,恢复后全是乱码。
大库导出要分批。一次导出几十 G,容易超时或者占满内存。按表分批,或者用支持并行的工具。
备份完成后立即校验。检查文件大小是否合理、能否正常解压、头部是否完整。校验失败立刻重跑。
把恢复步骤写成文档。真出事的时候人是慌的,照着文档做比临场想靠谱得多。
还有一个实操问题:备份窗口。全量备份会占用大量 IO,放在访问高峰期做,用户会明显感觉慢。一般放在凌晨两到四点,这时候流量最低。如果站点面向全球,要按主要流量时段来定,不能只看本地时间。
增量备份的链条也要管。每天增量、每周全量是常见组合。如果某一环增量丢了,从那天到下一个全量之间的数据就恢复不全。所以全量的频率不能太低,至少一周一次。
最后的提醒
备份的价值只在恢复的那一刻体现。平时多花十分钟验证,比出事时多花十小时抢救划算得多。
不要相信没验证过的备份。没恢复过的备份,只能叫文件,不能叫备份。
把备份当成业务的一部分,而不是运维的附带工作。它的优先级应该和网站可用性一样高。
