在打印窗口把「目标」选为「另存为 PDF」即可保存,页面已带 awsgood.com 版权水印。 返回原文

www.awsgood.com

AWS 数据容灾白皮书(AWS Disaster Recovery Whitepaper)剖析

2015-08-15 Aws代维 约 5 分钟

AWS Disaster Recovery Whitepaper

最近我们工作室接到一个项目,在做一个容灾方案,了解到AWS有一个容灾的白皮书。
于是,今天粗略把 AWS 的容灾白皮书 读了一遍 [1] ,白皮书中介绍了基于 AWS 的几种容灾方案。这些方案不仅仅适用于基于 AWS 的系统,也适用于通用系统。现将其关键点摘要下来,感兴趣的同学可以读一遍原文。

容灾两个术语

白皮书中提到了两个关于容灾的术语( industry terms)[2]

恕我孤陋寡闻,之前也参与过容灾的设计,但是关于这两个术语还是第一次知道。
这两个术语在维基百科有定义,不确定是 AWS 开发者添加的词条还是很早就存在。话说我司每个产品也都有容灾方案,但是还没有人能总结出这么精准的 industry terms。所以说亚马逊作为这个领域的leader还是有道理的。

1. RTO 恢复耗时

主站点故障后,备站点恢复到达到OLA(operational level agreement )所耗费的时间。
用另外一句话就是主站点故障后,备站点恢复到正常提供服务状态所需要的时间。
站在用户视角,RTO是系统服务中断时间。

举个例子,如果主站点在12:00 故障了,系统容灾的RTO时8小时,那么系统必须在20:00前恢复并正常提供服务。

2. RPO 恢复时间点

主站点故障后,备站点能够恢复到过去哪个时间点的数据。
换句话说,备站点恢复后,与主站点相比,有多少数据丢失。
站在用户视角,RPO时数据丢失的量。

举个例子,如果主站点在12:00故障了,系统容灾的RPO是1小时,那么系统恢复后,其数据必须是到11:00的。也就是说允许丢失12:00~11:00 之间的数据。

所以以后在评判或设计一个容灾方案时候,先问这两个问题:

如果回答不上来,那么这个方案肯定是没想明白的。

容灾方案

白皮书中将容灾方案按照RTO以及成本排序,称为容灾方案图谱。
Screen-Shot-2015-06-14-at-17.27.38

Backup and Restore

备份恢复是最常见的一种容灾手段,将主站点数据备份到与主站点隔离的存储设备。当生产环境故障后,能够在备站点将数据恢复。

AWS提供了一系列的高可靠存储服务:

使用Amazon的这些存储服务,加上备份恢复工具,就可以实现一个容灾系统。

备份示意图
Screen-Shot-2015-06-14-at-17.55.25

恢复示意图
Screen-Shot-2015-06-14-at-17.55.47

Pilot Light

Pilot Light 是一个装置,这个是一个类似点火器的装置,如煤气灶的点火器,通过点火器可以把煤气灶点燃,然后就可以做饭了:)

Pilot Light用到容灾系统中,要表达的意思是,在备站点部署一个服务,通过这个服务可以将整个系统运行起来。

准备
恢复

Warm Standby

Warm Standby 是在备站点复制了主站点,但是它们还是有差别的:

准备
恢复

Multi Site

Multi Site 指的是 active-active 的容灾方案。
主备站点同时对外提供服务,由DNS根据负载决定将请求转发到哪个站点。

准备
恢复

Fail Back

当主站点故障修复后,我们还需要将服务切换到主站点,这个过程称为 fail back。
不同的容灾方案,fail back的方法不一样。

Backup and Restore

Pilot light, warm standby, and multi-site


  1. AWS 容灾白皮书 https://media.amazonwebservices.com/AWS_Disaster_Recovery.pdf  ↩
  2. 在白皮书中成为术语,实际上是两个评判容灾方案的两个指标  ↩
  3. https://en.wikipedia.org/wiki/Recovery_time_objective  ↩
  4. https://en.wikipedia.org/wiki/Recovery_point_objective  ↩
  5. 前段时间发生的支付宝不可用事件,阿里官方申明是光纤被挖断,所以前面文章也有提到,阿里现在就有了一个 光纤日  ↩
  6. 在备站点接管业务后,备站点需要定时备份,防止备站点故障后数据丢失  ↩