云上数据库容灾解决方案

容灾的定义

容灾系统是指在相隔较远的异地，建立两套或多套功能相同的IT系统，互相之间可以进行健康状态监视和功能切换，当一处系统因意外（如火灾、地震等）停止工作时，整个应用系统可以切换到另一处，使得该系统功能可以继续正常工作。容灾技术是系统的高可用性技术的一个组成部分，容灾系统更加强调处理外界环境对系统的影响，特别是灾难性事件对整个IT节点的影响，提供节点级别的系统恢复功能。

目前常见的容灾方案基本上模式比较简单：

1、数据库冷备：每天备份一次数据库，保存在磁带或光盘上；

2、双机本地热备：共享磁盘阵列，阵列做RAID（冗余校验），即一份数据存在不同盘阵上并多存几份，保证坏一个盘不影响数据读写；

3、数据库热备：建立数据库灾备中心，与主库实时进行数据同步，同时应用系统保持文件实时同步，保证引用系统版本最新

容灾的类型

业务场景

数据问题导致需要进行数据恢复

起因：

程序Bug，数据被污染；

误操作，数据被删除。

需求：

数据可备份；

数据可恢复。

故障或灾难发生后应用持续可用

起因：

机房发生故障；

城市级别的自然灾害。

需求：

应用具备同城容灾能力；

应用具备异地容灾能力。

传统解决方案

靠底层存储来解决一切问题

容灾的目标

RTO：是一个系统宕了之后多久恢复到应用恢复可用的时间目标

RPO：是一个应用的数据从最后一个备份到灾害事件发生的时间，是应用容许丢失的数据目标，但以时间维度衡量

容灾的演进类型

容灾演进的包涵关系

备份和恢复

实施要点：

1、选择合适的备份方式

2、确保正确的数据保留策略

3、确保数据的安全，包括加密和访问控制

4、周期的进行恢复测试

最小版本

准备工作要点：

1、确保应用系统所需要的软件包在阿里云都具备

2、对于关键的服务器集群创建ROS模板

3、考虑自动化的创建云上的资源

涉及产品：

ECS、RDS、DTS、ROS

最小版本恢复

恢复工作要点：

1、通过ROS模板启动云上的ECS资源

2、升级数据库的规格以适配新增的处理能力要求

3、修改DNS记录指向灾备环境SLB 

4、安装和配置不在ROS模板内的系统和应用

涉及产品：

ECS、RDS、DTS、ROS

热备

准备工作要点：

1、创建并维护ROS模板

2、在阿里云ECS上运行最小化版本的应用环境

3、及时同步生产环境的补丁、软件更新以及配置文件到云上的环境

4、考虑自动化创建云上的资源

涉及产品：

SLB、ECS、RDS、DTS、ROS

热备恢复

恢复工作要点：

1、增加ECS服务器的数量应对真正的生产负载（水平扩展）

2、对于无法通过水平扩展的应用，加大ECS的规格，完成负载能力的提升（垂直扩展）

3、修改DNS记录到灾备环境SLB

4、升级数据库的规格以适配新增的应用负载

涉及产品：

SLB、ECS、RDS、ROS

双活

准备工作要点：

1、在云上创建与生产环境一致的应用环境

2、设定DNS的权重，分配流量到两个不同的环境，创建自动failover的流量分配机制

涉及产品：

SLB、ECS、RDS、DTS、ROS

双活恢复

恢复工作要点：

1、手工切换dns记录，或者通过DNS的failover机制自动将所有流量全部切到云上环境

2、切换App服务器的数据库调用到云上本地数据库

3、考虑自动扩展云上环境的规模与规格以适应新增的负载

涉及产品：

SLB、ECS、RDS、ROS

容灾体系建设

同城容灾：同城不同IDC机房之间的断网断电容灾等。

异地容灾：单元或者区域不可用下的服务重路由。中心容灾。

同城容灾

ADHA集群：用于保障同城主备之间的高可用性。

异地容灾

在业务流量切换之前，必须参考异地复制时延;

引入禁写规则，对于之前在源地域的业务用户，进行短时间禁写;

流量切换后，等异地同步时延消除后，放开禁写规则;

基于其它原因，在未消除时延情况下开起的禁写，需要在业务层面引入对帐系统;

基于其它原因，在未消除时延情况下开起的禁写，需要在数据库层面引入安全复制技术（如前镜像匹配）等。

云上异地灾备架构

方案优势：

1、云DNS提供智能解析、方便流量分配或容灾切换。

2、提供VPC之间的高速通道，提供统一发布、部署、配置变更等工作

3、产品化提供OSS不同区域之间的非结构化数据copy

4、通过数据传输服务（DTS）提供不同区域之间的结构化数据同步

数据同步DTS

技术架构

当DTS服务节点／集群／站点出现故障时，传输任务会自动透明的切换至健康的节点／集群／站点，业务无感知

自动断点续传机制，在网络／数据源／DTS组件出现故障时，DTS会记录断点，在从故障恢复后，会从断点开始，继续传输任务

公共云灾备方案-数据备份

云灾备的意义

容灾的分类和选择有很多。在阿里云平台实现容灾，可以实现更细粒度的控制，可以通过更多已经产品化的功能模块实现容灾，提供更好的RPO、RTO，更高的性价比。阿里云的是按需使用的服务，仅仅需要为您正在使用的服务和规模付费，这对容灾一个非常大的优势。

对容灾而言，需要资源时，很重要、要求快速提供，但仅仅是在灾难事件发生时才需要，云恰恰就符合这个特点：

无论你用或者不用，云就在那里。