對于每一個企業來講，數據備份恢復是企業IT運維當中非常重要的一部分。如何保障必要的數據在必要的時間完成必要模式的備份，并且能在需要的時刻將正確的數據在正確的位置恢復，這是數據備份恢復運維工作必然的考核指標。本文通過大量的運維實踐總結出備份系統運維工作當中遇到的一些關鍵問題，并且按照實際解決方案提煉解決思路。希望能給企業日常的備份系統運維帶來一些啟示和幫助。

1.如何解決平衡數據庫歸檔頻度和數據恢復完整性

1.1數據庫恢復的基本原理

對于數據庫的恢復來說有很多種，我們只討論需要介質恢復的情況。在這種場合下，首先我們需要找到一個最近時刻點的全量備份進行恢復；然后需要從備份介質上找到這個時刻點之后的重做日志進行數據追平，最后我們需要找到本地沒有丟失的重做日志進行再次追平直到沒有可用日志。如下圖所示：

圖1數據庫恢復原理示意圖

如圖所示，在時刻A，我們開始做在線全庫備份，在B時刻全庫備份結束。當數據庫運行到E時刻之后數據庫發生了重大介質故障，只能通過介質恢復。那么在A~C時間段內，大部分REDO日志文件都已經歸檔到備份介質池當中，服務器本地存儲目錄當中只剩下C~E（小于一個歸檔備份時間間隔）的歸檔日志和沒有來得及歸檔的REDO日志文件。假設發生的故障嚴重到服務器本地存儲目錄也無法恢復的時候，那么相當于在C-E這段時間產生的重做日志就丟失掉了。相當在這種極端場合下，數據丟失的最大窗口就是一個歸檔間隔時間段。當然如果把這個間隔設置的足夠小的話，那么另外的問題就產生了，備份作業隨著系統增加會呈爆發式并發啟動狀態，最終會影響到整個備份系統的健康運行導致歸檔無法及時轉儲，最終還是可能會導致數據庫的宕機。這就是一個矛盾，需要我們去很好的平衡。

1.2平衡數據庫歸檔頻率的方法

數據庫歸檔備份的頻率是指一天24小時內間隔多長時間進行一次歸檔日志的備份，一方面是要保障增量數據備份的完整性，另外一方面是要避免因為恢復空間不足導致數據庫的宕機時間。要平衡這個頻率窗口需要采集以下幾類數據：

1）單位時間內不同數據庫系統平均的歸檔日志量。

采集這個數據的目的在于詳細分析不同業務系統在不同時間段的寫操作頻繁程度。對于日志歸檔速度較快的系統，我們需要提高其恢復區的空間大小，同時加快歸檔備份的頻率，使得數據庫既能處于安全運行狀態又能保障極端故障場合下數據丟失的量在較小范圍之內。

2）業務系統類型。

所謂業務系統類型即OLTP或者是OLAP，因為對于OLAP來講，每次的讀寫操作都會是批量的執行，它的歸檔速度是正常OLAP系統的幾十倍甚至上百倍。最麻煩的是兩者皆有的業務系統，比如說銀行業中的交易系統，白天跑聯機交易，晚上跑核算批量，白天和晚上的日志歸檔速度有著巨大的反差。那么我們就需要在批量作業時間段內將備份頻率調快，將恢復區空間設置提高。

3）備份系統可以容忍的最大并發量。

備份系統可以容忍的最大并發Jobs，不僅僅取決于備份軟件系統可以并發調度的作業數目和備份作業服務器的數目，還要取決于備份介質池可以容忍的資源消耗限制。及時我們可以同時調度幾百個作業，但是當幾十個作業同時寫入備份介質池時就會把備份介質池的計算資源或者是IO資源使用殆盡。那么最終整個備份系統的并發數取決于短板因素。

4）不同數據庫系統恢復區能夠支撐最小時間窗口。

這個最小時間窗口是我們用數據庫的恢復區可用空間大小/單位時間內的最大歸檔速度來估算出來的時間窗口。因為我們在安裝數據庫或者是做變更的時候不可能按照每一個系統的特點詳細計算出其日志存儲空間的大小，只能按照有限的幾個規格來做初始規劃。

有了以上數據之后，我們需要根據以下幾個原則來詳細設計我們的歸檔作業頻率。

首先，根據4當中采集到的數據，將時間窗口較小的幾個系統進行存儲空間調整，使其日志存儲空間能夠滿足我們期望的最小時間標準。

然后，將一天24小時定義為幾個時間段，批量業務集中的時間段、聯機業務集中的時間段、特殊任務集中的時間段等。當然這個定義主要是根據1&2中采集到的詳細數據來定義的。

接著，我們需要根據1中數據估算出一個歸檔作業大概持續的時間長度。為保障每一個時刻點的并發執行備份作業數目遠小于3中估算出來的數據。

最后，需要把備份作業的頻度根據不同的時間段特點調整到以上條件都滿足的狀態，并在此前提條件下可以為了保障極端情況下的數據完整性而適當調快歸檔作業的備份頻率。下圖是一個根據以上采集數據進行多維分析的實例，僅僅是一個方法示意，歸檔頻率根據數據重要性分級、歸檔速度、業務時間段分類等前提進行的粗略分析，最下面的一行數字表示每一個時刻點并發的歸檔備份數目，其目標在于平衡每一個時間間隔內的平均備份作業數。實際情況會比以下情況復雜很多，我們可以將時間間隔劃分的更小，涉及的因素更多，分析的更加細致。

圖2數據庫歸檔頻率規劃分析案例

2.如何評估數據庫全量備份的策略

數據庫的全量備份來講，隨著數據量的不斷增加，其備份作業耗費的時間也就會越長，耗費的數據庫資源也越多，對在線業務的影響也就越大。另外同一個時間段內發起的全量備份越多，那么其占用的備份系統整體資源（備份服務器、備份介質池、鏈路帶寬等）也就會越多，其影響范圍也會越廣。

首先，這個問題是一個需要不斷優化的問題。對于每一個應用系統來講，根據業務服務的特點，其備份的時間窗口也是不同的。可能初期備份作業能夠在備份窗口內完成，但是隨著數據量的增長，后期的備份作業就會超過備份時間窗口。所以我們需要定期監控數據庫的全量備份作業時間，在事件窗口范圍內盡量通過調整合適的調度時間來完成全量備份。但是當數據量增長到完全沒辦法在備份窗口完成的時候，那么我們就需要進行調整全量備份的頻度和具體調度時間點了。

其次，這個問題是一個跟業務特點密切相關的的問題。有些人喜歡把所有的業務系統都按照一個標準去定義其數據庫全量備份的策略。比如說TB以下的數據庫，每天一次全量備份；比如說業務等級屬于重要的系統，每天一次全量備份；比如說只要能備份的系統，全部進行每天一次的全量備份等等策略。這些都是不科學的策略。應該從業務系統的數據重要性去評估數據庫全量備分的頻率，在現有備份系統有限的處理能力內保障數據重要性高的系統完成相應的全量備份。

最后，這個問題是一個需要從各個方面著手去解決的問題。從備份網絡的帶寬和隔離性考慮，應該用單獨的告訴備份網絡，備份客戶端應該設置區分于業務的單獨網絡通道及配置。從備份作業服務器的配置層面，我們應該配置相對合理的資源（內存、磁盤）來保障備份片在作業服務器層沒有瓶頸。從備份介質池層面，我們需要保障備份介質的IO處理能力不能成為備份作業底端的性能瓶頸。

3.如何解決備份作業分布合理性問題

其實這個問題很簡單，目的就是要保障備份時間窗口內調度起來以及運行過程中的備份作業處于一種平衡狀態，不能使其作業調用或者是并發運行過于集中。但是當系統數目非常多，系統特點復雜，數據重要性級別有很多種，數據量以及數據增速各不相同時，這個問題就變得比較復雜。我們很難有一種精確的計算方法來實現其做到絕對，但是我們可以根據以下的方法進行定性的分析和調整。

假設我們定義一個系統的備份作業在備份體系當中必須具備的屬性為：

P1-應用系統數據的重要性級別屬性，可以通過業務分析劃分為有限的幾個級別。

P2-應用系統在不同時間段內的數據增量屬性，需要通過梳理歷史數據來評估。

P3-應用系統當前的備份作業的時間長度屬性，需要通過歷史數據結合數據量來評估。

P4-應用系統是否是具備雙重業務特性，比如兼備批量和聯機業務特性。

通過以上幾個屬性的加權計算或者其他方法的定性分析，計算出每一個系統的不同備份作業的定性矢量，然后我們可以將這些矢量根據其具體備份窗口設置初始的調度時間點，然后分析其具體分布圖是否均衡穩定并且進行微調。例如下圖是一個粗略的分析實例，可以提供相關的參考思路：

圖3備份作業分布定性分析案例

以上案例僅僅是一個相對粗略的分析方式，僅僅是一個基于某一特定案例的分析思路。我們可以根據業務系統特點結合更好的專業工具進行更加細節的分析。但是總體目標是讓我們的備份作業分布達到一定范圍內的平衡，另外在某些特定的業務場合或者特定的設備場合下，可能會有一些特殊的時間窗口需要和備份作業適當分割開來，比如說基于文件系統技術實現的備份介質存儲池，由于我們的周期性歸檔配置，它會定期去做文件系統的清理作業，而且時間段比較長，耗費資源比較高。我們盡量要講備份作業的分布策略與這些時間段保持適當的分割。這樣才會保證備份系統運行的長久安全穩定。

4.如何解決業務發展與備份系統有限性瓶頸

所謂的業務發展在備份體系建設過程中包括幾個方面的影響。一方面業務量的增長會導致備份作業的不斷增加，另外一方面業務量的增長會導致現有備份作業負載的不斷加劇，再有就是各種新業務的增加會帶來新型模式數據備份的挑戰。這幾方面的因素不但會對現有備份系統的負載擴展能力提出巨大挑戰，也會對現有備份系統功能擴展能力提出巨大挑戰。

解決以上問題，本文認為唯一可行的方法就是從單一傳統的備份系統逐漸過渡到完善的備份體系。傳統的備份軟件形成的格局只是這個體系的一個元素，基于快照的備份接口、基于軟件加速的接口、基于異構平臺轉儲的模塊兒都應該成為這個體系當中的擴展元素；同時備份介質也應該從單一的帶庫、DD等傳統備份介質擴展到由現有備份介質池和分布式存儲池、對象存儲池、云端備份池等多種元素組成的廣義備份介質池；單一的備份恢復模式也應該轉換為多級數據一體化模式，既包括多級數據的轉儲歸檔機制，又包括數據自動化下沉和上浮的機制，數據流向實現自動化平滑軌跡。

目前可以實現以上體系的軟硬件產品組合有很多，各家都有各家的特點和局限。關鍵是要靠規劃者根據自己的業務特點和長遠的發展預測來選擇和集成合適的解決方案。