首页/运维/正文

备份自动化的落地细节

定时任务只是开始,校验、告警和恢复演练才是完整闭环。

运维自建服务可靠性2025-08-12约 2 分钟507 字

备份脚本写出来只是第一步,真正难的是长期稳定地跑下去,并且在需要时能恢复。

调度

用 systemd timer 或 cron 固定时间执行,任务本身要加锁,避免上一次还没跑完就叠加下一次:

bash
flock -n /var/lock/backup.lock restic backup /srv/data

systemd 里对应 RunLock 不存在的场景,用 ExecStart=/usr/bin/flock -n ... 即可。定时器加 Persistent=true,机器关机错过的一次会在开机后补跑。

一次完整的备份动作

bash
restic backup /srv/data --tag daily
restic forget --keep-daily 7 --keep-weekly 4 --keep-monthly 6 --prune
restic check --read-data-subset=5%

顺序是备份、清理、校验。清理放在校验之前,能顺带验证索引是否一致。

校验与告警

  • 备份结束检查退单码,非 0 就告警;
  • 文件数、总大小落在预期区间,超出范围告警(防“备份了个空目录”);
  • 抽样恢复一个文件,比对校验和;
  • 连续两次失败必须升级通知,不能只记日志。

保留与清理

按天、周、月分层保留,清理策略写进脚本。注意 prune 会消耗 IO,放在低峰期,别和备份同时跑。

演练脚本化

把恢复步骤写成脚本,每季度跑一次到临时目录,自动比对关键文件的数量与哈希。演练过和没演练过,真出事时完全是两种状态。

监控“没有备份”比监控“备份失败”更重要

用一个心跳:备份成功后写一个时间戳,另一个任务检查这个时间戳是否超过 26 小时。备份任务根本没跑的情况,只有心跳能发现。

常见坑

现象原因
备份文件很小源路径写错、挂载点没挂上
备份越来越慢单目录文件过多、未用增量
恢复后权限不对未保留属主或 ACL
异地同步中断只同步了元数据、带宽被限

小结

调度、加锁、校验、告警、演练,五件事缺一不可。只写“每天 tar 一下”的,迟早会在恢复那天发现问题。

说明:文中的地址、域名、主机名与账号均为脱敏示例;配置片段来自实际环境,但版本与网络条件不同,照搬前请先在测试环境验证。最后校对:2025-08-12。