容災方案設計參考：AWS災難恢復白皮書
最近在做一個容災方案，了解到AWS有一個容災的白皮書。
于是，今天粗略把 AWS 的容災白皮書讀了一遍，白皮書中介紹了基于 AWS 的幾種容災方案。這些方案不僅僅適用于基于 AWS 的系統，也適用于通用系統。現將其關鍵點摘要下來，感興趣的同學可以讀一遍原文。
容災兩個術語
白皮書中提到了兩個關于容災的術語( industry terms)
- Recovery Time Objective
- Recovery Point Objective
恕我孤陋寡聞，之前也參與過容災的設計，但是關于這兩個術語還是***次知道。這兩個術語在維基百科有定義，不確定是 AWS 開發者添加的詞條還是很早就存在。話說我司每個產品也都有容災方案，但是還沒有人能總結出這么精準的 industry terms。所以說亞馬遜作為這個領域的leader還是有道理的。
1. RTO 恢復耗時
主站點故障后，備站點恢復到達到OLA(operational level agreement )所耗費的時間。
用另外一句話就是主站點故障后，備站點恢復到正常提供服務狀態所需要的時間。
站在用戶視角，RTO是系統服務中斷時間。
舉個例子，如果主站點在12:00 故障了，系統容災的RTO時8小時，那么系統必須在20:00前恢復并正常提供服務。
2. RPO 恢復時間點
主站點故障后，備站點能夠恢復到過去哪個時間點的數據。
換句話說，備站點恢復后，與主站點相比，有多少數據丟失。
站在用戶視角，RPO時數據丟失的量。
舉個例子，如果主站點在12:00故障了，系統容災的RPO是1小時，那么系統恢復后，其數據必須是到11:00的。也就是說允許丟失12:00～11:00 之間的數據。
所以以后在評判或設計一個容災方案時候，先問這兩個問題：
- RTO 值是多少
- RPO 值是多少
如果回答不上來，那么這個方案肯定是沒想明白的。
容災方案
白皮書中將容災方案按照RTO以及成本排序，稱為容災方案圖譜。
Backup and Restore
備份恢復是最常見的一種容災手段，將主站點數據備份到與主站點隔離的存儲設備。當生產環境故障后，能夠在備站點將數據恢復。
AWS提供了一系列的高可靠存儲服務：
- Amazon S3，簡單對象存儲，11個9可靠性
- Amazon Glacier，如果覺得S3太貴的話
- Amazon VTS，虛擬磁帶存儲，如果要保存巨大且時間長的數據的話
使用Amazon的這些存儲服務，加上備份恢復工具，就可以實現一個容災系統。
備份示意圖
恢復示意圖
#p#
Pilot Light
Pilot Light 是一個裝置，這個是一個類似點火器的裝置，如煤氣灶的點火器，通過點火器可以把煤氣灶點燃，然后就可以做飯了：)
Pilot Light用到容災系統中，要表達的意思是，在備站點部署一個服務，通過這個服務可以將整個系統運行起來。
準備
備站點安裝數據庫服務，并建立與主站點之間的數據復制關系
主站點的操作系統或文件做成 AMI ，在備站點恢復時候直接加載為EC2
定期測試備站點的恢復[5]
恢復
- 使用 AMI 創建 EC2
- 根據情況加大數據服務器的配置
- 增加額外的數據服務器(如果有需要)
- 配置系統(一些配置不是通過 AMI 導入就可以生效的)
- 將 DNS 映射為備站點IP地址
Warm Standby
Warm Standby 是在備站點復制了主站點，但是它們還是有差別的：
- 備站點服務運行但是不對外提供服務
- 備站點的服務器配置是最小配置(These servers can be running on a minimum-sized fleet of Amazon EC2 instances on the smallest sizes possible) ( fleet of Amazon EC2 好霸氣～～)
準備
- 備站點安裝數據庫服務并同步數據
- 備站點申請最小配置的EC2安裝并app
- 定時執行app的升級和補丁，保持與主站點一致
恢復
- 增加EC2數量(橫向擴展)(擴成與主站點一致)
- 增加EC2配置(縱向擴展)(擴成與主站點一致)
- 增加數據庫實例數(擴成與主站點一致)
切換 DNS 映射到備站點
#p#
Multi Site
Multi Site 指的是 active-active 的容災方案。主備站點同時對外提供服務，由DNS根據負載決定將請求轉發到哪個站點。
準備
- 將主站點系統復制到備站點，服務器和配置都相同
- 在DNS上配置路由策略
恢復
- 手動切換(DNS上切換)
- 或者配置DNS failover
Fail Back
當主站點故障修復后，我們還需要將服務切換到主站點，這個過程稱為 fail back 。
不同的容災方案，fail back的方法不一樣。
Backup and Restore
- 凍結備站點的修改操作
- 備份數據
- 恢復到主站點
- 切換DNS指向主站點
- 解凍
Pilot light, warm standby, and multi-site
- 凍結備站點的修改操作
- 將數據復制方向改為從主向備
- 切換DNS指向主站點
- 解凍
