首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >备份能恢复,不等于业务能接上

备份能恢复,不等于业务能接上

原创
作者头像
满小满
发布于 2026-11-20 11:12:33
发布于 2026-11-20 11:12:33
250
举报

云上做恢复演练,最容易出现一种错觉:控制台显示实例「运行中」,就以为业务恢复了。实际上,从实例可用到业务可用,中间还有账号、连接、任务、入口四道关。

示例环境:文中实例、账号、耗时均为脱敏教学示例,不代表任何云厂商的默认行为。

四道关

第一关:数据

  • 表、行数、索引、约束、序列;
  • 字符集、时区、排序规则;
  • 备份链是否完整(全量 + 增量)。

第二关:账号

  • 应用账号是否存在;
  • 密码、权限、连接数;
  • 白名单、安全组。

云上恢复经常换实例、换地址,白名单和安全组要重新配。

第三关:连接

  • 连接串的地址、端口、库名;
  • 连接池;
  • SSL/证书;
  • DNS 或内网域名。

第四关:业务与入口

  • 登录、核心链路;
  • 定时任务、报表、对账;
  • 负载均衡、域名、回调地址;
  • 监控、告警。

为什么「运行中」会骗人

控制台的「运行中」只说明实例进程在跑,不说明:

  • 数据恢复完整;
  • 账号权限正确;
  • 应用连得上;
  • 业务能跑;
  • 入口指向新实例。

这五项任何一项没验,业务都可能不可用。

一个可执行的演练顺序

  1. 恢复实例,确认数据;
  2. 配白名单、安全组;
  3. 建/恢复账号,验权限;
  4. 改连接串,启动应用;
  5. 登录,走核心查询和写操作;
  6. 启动定时任务,跑一次报表;
  7. 切负载均衡/域名,验证外网;
  8. 恢复监控和告警;
  9. 记录「业务可用」耗时。

顺序不要跳。跳一步,报告就会多一个「未验」。

耗时怎么记

建议记两个数:

  • 数据恢复耗时:从开始到数据库可读;
  • 业务恢复耗时:从开始到登录 + 核心链路通过。

报告里两个都写,避免「22 分钟恢复成功」这种容易误解的说法。

边界

这篇讲云上恢复演练的检查顺序,不讲具体云产品的操作。不同产品的白名单、安全组、连接串、负载均衡配置都不同,照顺序换操作。

示例环境:实例、账号、耗时均为脱敏教学示例,仅用于说明演练方法,不代表任何云厂商的默认行为或产品能力。

补充:恢复耗时的口径

报告里写「22 分钟恢复成功」,容易被理解成「22 分钟业务就能用」。实际口径应该是两个:

  • 数据恢复耗时:从开始恢复到数据库可读;
  • 业务恢复耗时:从开始恢复到登录成功、核心链路通过。

两个数都写,业务侧才知道什么时候能对外说「恢复了」。

补充:恢复之后还要做什么

库恢复、业务登录通过,不等于演练结束。还要做三件事:

  1. 把流量切回原环境,确认没有残留连接;
  2. 清理演练用的临时账号、临时任务;
  3. 检查演练过程中有没有产生额外的权限或数据。

演练是演练,不能给生产留下尾巴。

补充:检查清单要能执行

「检查备份是否可用」不是可执行的动作,「用备份恢复到测试实例,执行三条核心查询」才是。清单里每一项都写成「命令/动作 + 预期结果」,换个人也能照着做。

补充:演练前先约人

恢复演练不是 DBA 一个人的事。应用、运维、业务都要提前约好时间,明确谁在哪个环节确认。演练当天才找人,大概率会停在「库起来了,应用没人验」。

补充:我后来加的一句话

在演练脚本第一行加了一句:「本次演练以业务登录成功为结束条件。」

这句话写上去之后,大家对「成功」的理解就一致了。

示例环境:库名、账号、耗时、连接数均为脱敏教学示例,仅用于说明演练方法,不代表任何生产环境或产品行为。

补充:核心指标看哪几个

恢复后至少看五个指标:

指标

看什么

异常表现

连接数

应用连接是否建立

连接数为 0 或打满

慢查询

核心语句耗时

比基线明显变慢

锁等待

是否有阻塞

等待数持续上升

复制/同步延迟

是否有滞后

延迟持续增大

错误日志

启动/连接/权限错误

反复重连、认证失败

指标正常,不代表业务一定可用;指标异常,业务一定有问题。两边都要看。

补充:监控告警怎么算恢复

不是「监控页面能打开」就算恢复。要确认三件事:核心指标都在采集、阈值和原来一致、告警能发到人。演练时可以把告警静音,但演练结束前必须取消静音并测试一条。

补充:演练不是一个人的事

DBA 验数据,应用验连接和登录,运维验入口和监控,业务验关键链路。四个人都签,报告才算完整。

示例环境:实例、账号、耗时均为脱敏教学示例。

补充:恢复后别忘了收尾

把流量切回、清理临时账号和任务、确认没有多余的权限或数据留在演练环境。演练是演练,不能给生产留尾巴。

补充:报告里的「未验」怎么处理

未验项要写清原因、owner 和补验时间。全部写「通过」的报告,通常意味着有人没验却签了字,比写「未验」更危险。

补充:复核单的留档

复核单不只看结论,还要看证据。基线截图、计划文本、样本 SQL、更新统计信息的时间,四样附在单后,下次同类问题可以直接对照。

示例环境:文中数字与场景均为脱敏教学示例。

补充:演练之后的三个动作

一是把发现的问题写成整改项,指定 owner 和期限;二是更新演练脚本,把新检查点加进去;三是下次演练前先确认上次整改项已完成。没有这三步,演练会变成每年重复一次的同一条流水账。

示例环境:文中实例、账号、耗时均为脱敏教学示例。

补充:一句话

恢复演练的结束条件,是业务登录成功,不是数据库启动成功。

示例环境:文中实例、账号、耗时均为脱敏教学示例。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

目录
  • 四道关
    • 第一关:数据
    • 第二关:账号
    • 第三关:连接
    • 第四关:业务与入口
  • 为什么「运行中」会骗人
  • 一个可执行的演练顺序
  • 耗时怎么记
  • 边界
  • 补充:恢复耗时的口径
  • 补充:恢复之后还要做什么
  • 补充:检查清单要能执行
  • 补充:演练前先约人
  • 补充:我后来加的一句话
  • 补充:核心指标看哪几个
  • 补充:监控告警怎么算恢复
  • 补充:演练不是一个人的事
  • 补充:恢复后别忘了收尾
  • 补充:报告里的「未验」怎么处理
  • 补充:复核单的留档
  • 补充:演练之后的三个动作
  • 补充:一句话
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档