恢复的三个层次
数据库恢复的目标不是”把数据弄回来”,而是把业务状态回退到某个可接受的时间点。按能力由弱到强,可分三层:恢复到最后一次全量备份、恢复到备份加增量/日志链的最新点、恢复到指定时间点(PITR)。只有做到第三层,才能在误删表、错误批量更新这类逻辑故障中把损失压到最小。
先判断故障类型
处置顺序取决于故障性质:
- 介质故障(磁盘损坏、文件丢失):用备份重建实例,再重放归档日志。此时恢复点取决于备份与日志的完整性。
- 逻辑故障(误删、误更新):必须用 PITR 回滚到故障发生前的时刻,切勿直接覆盖生产库。
- 实例崩溃(进程异常退出):通常由重做日志自动完成崩溃恢复,重点是确认恢复是否完整、有无数据页损坏。
判断错误的代价很高:把逻辑故障当介质故障处理,会用旧备份覆盖掉本可保留的数据。
备份策略决定恢复上限
没有可用的备份,恢复就无从谈起。几条实用原则:
- 全量备份加连续归档日志,日志归档中断意味着 PITR 只能停在中断点。
- 备份与生产分开存放,异地一份,防止同一故障域同时失效。
- 定期校验备份可读性,未经验证的备份等于没有备份。
- 记录恢复所需的关键参数:备份时间、日志起止位置、恢复目标时间点。
时间点恢复的关键步骤
以 PITR 为例,典型流程是:在隔离环境用基础备份恢复数据目录 → 配置归档日志恢复 → 指定目标时间点或事务 ID 停止重放 → 校验数据一致性 → 切换流量。要点是先在隔离环境验证,确认结果符合预期再切换,避免二次伤害。
恢复演练比备份更重要
很多团队有备份但没有恢复能力。建议定期做恢复演练:随机抽一份备份,在非生产环境完整走一遍恢复流程,记录耗时与卡点。演练暴露的问题——日志缺失、脚本过期、权限不足——才是真正的风险点。把恢复时间目标(RTO)和数据丢失容忍度(RPO)明确写下来,再用演练结果去校准,恢复能力才算真正落地。