拔掉数据库的电源会怎样?阿里云数据库新型灾备架构,让云端容灾有“备”无患_阿里云为什么断电也能用-程序员宅基地

技术标签: 云数据库RDS  云数据库  数据传输  

拔掉数据库的电源会怎样?

假设我们拔掉数据库的电源会怎样?

在日前举行的阿里云“企业级”云灾备解决方案发布会上,阿里云智能技术战略总监陈绪就来了一场现场“断电”演示,拔掉了数据库的电源。

直播回放:https://yq.aliyun.com/live/1104/event

猜猜现场发生了什么?

数据丢失,业务瘫痪,企业资金受损?

 

企业级云灾备解决方案 实时大屏

上述情况统统没有出现!没有出现任何数据丢失,也没有业务瘫痪,10秒后,上云企业的业务就完全恢复了。

那么这是如何实现的呢?

在会上,阿里云智能数据库产品事业部技术总监天羽为大家全面解析《云时代,数据库新型灾备架构》,详细介绍了在混合云架构下,从异地备份、容灾、双活到统一管理的数据库一站式灾备解决方案。

有了云数据库新型灾备架构,即使断电又何妨?通过阿里云提供的DBSDTSHDM等服务,您的企业也可轻松构建灾备体系,做到“有备无患”。

墨菲定律 鸡蛋不能放在一个篮子里

对于每个企业而言,数据库都是其最为核心的资产。但是单点故障是不可避免的,因此为了提升数据安全,需要做的就是数据冗余。

国家对于数据库灾难恢复能力也定义了相应的标准。对于位于等级2~3的一般业务而言,需要每天进行备份;对于位于等级4的重要业务而言,需要每天全量+增量备份;对于等级5的关键业务而言,要求数据丢失不能超过半个小时,并且要求在分钟级别恢复业务;对于位于等级6的核心业务而言,则需要做到数据零丢失。

阿里巴巴数据库从备份到多活的发展经过了以下历程:

2012年之前,阿里巴巴采用的是异地冷备+热备方案,提供只读副本,当时异地冷备和热备可能出现异地延时比较长的问题,导致出现灾难之后敢不敢进行数据库切换成为一个问题,可能现在很多传统企业还在使用该方案。

2013年,阿里巴巴通过数据库实时日志的解析能力实现了同城双活。

2014年,阿里巴巴实现了异地双活。

2015年,阿里巴巴就实现了中美同步以及多个地域、多点写入的数据同步策略。

2016年,阿里巴巴实现了分布式数据强一致的能力以及异地多活能力。

在不断提升阿里巴巴灾备能力的过程中,我们也在阿里云上孵化了数据库备份(DBS)、数据传输(DTS)、混合云数据库管理(HDM),搭建从备份、容灾、双活及混合云统一管理的一站式云灾备解决方案。

对于等级1到等级4的业务而言,可以通过DBS将数据实时备份到阿里云OSS上,该方案具有低成本、秒级RPO的优势;

对于等级5的业务而言,可以通过DTS数据传输服务将本地IDC或者其他云产商的数据库备份到阿里云上去,实现热备或者双活解决方案,实现秒级RPO和秒级RTO。

阿里云数据库新型灾备方案

众所周知,传统灾备解决方案存在成本高昂、实施困难、运维复杂、RTO和RPO无法保障等问题。

阿里云拥有遍布全球安全可靠的数据中心,是企业用户天然的异地灾备中心。阿里云的新型灾备方案可以为您提供低成本、高质量、开箱即用的数据库灾备服务。

1、数据库备份服务DBS
数据库备份服务DBS结合阿里云对象存储服务OSS,能够为用户提供秒级RPO以及低成本的特性,并且实现了国家灾备等级4的相应能力。

用户自建的IDC或者来自其他云厂商的数据库可以通过DBS备份到阿里云OSS之上,而且整个备份的实现过程非常简单,只需要打通网络就可以通过DBS实现数据备份到云上,当出现灾难的时候就能够完成云上数据库快速恢复。

除了和云上数据库进行打通之外,对于数据的备份集而言,也可以通过数据湖服务直接进行查询和验证(无需恢复),这也是阿里云特有的能力之一。

阿里云数据库备份服务DBS主要有如下优势:

  • 秒级RPO:因为数据库发生变更的时候,首先会记录日志,再刷新数据。而阿里巴巴沉淀了一整套数据库解析技术,通过这个技术能够实现秒级冷备到阿里云上的能力,并且其冷备数据和在线数据之间仅存在秒级延时。
  • 低成本:借助OSS的能力可以实现对于数据的周期性归档,并且允许数据库只备份核心关注的数据业务表,仅备份有效数据,同时进行加密和压缩。
  • 备份数据可在线读,验证有效性:基于DLA的数据湖能力,备份逻辑数据集允许用户直接进行备份集查询,查询里面的数据内容并且校验其中的数据。基于RDS的能力能够帮助用户在出现灾难时实现数据库的快速恢复。
  • 丰富的备份数据源:阿里云数据库备份服务DBS能够支持非常丰富的数据源,包括Oracle、MySQL、SQLServer、MongoDB以及Redis等。

2、数据库热备以及双活架构DTS

结合DTS和RDS就能够实现云上数据库热备,可以实现国标等级5的灾备能力。无论是将业务中心建立在自建IDC还是其他云厂商上,通过DTS热备到阿里云上,当出现本地IDC出现数据库故障或者误操作的时候,用户就可以一键切换到云热备之上,实现秒级RPO和秒级RTO。

您还可以更进一步,借助DTS和RDS实现多活,除了将业务切换到阿里云上之外,还可以反向建立阿里云到本地IDC数据库的同步链路,从而建立双向同步通道,这样就能够提供异地双活能力,两端都可以进行写入和切换。业务也可以在云上和本地IDC之间进行分流,从而实现就近写入和就近服务的查询能力,同时能够支持实现容灾。

如果采用传统热备方案,将数据热备到云上之后可以支持实现秒级RPO的数据库切换,但是当切换完成之后如果想要去恢复灾备系统,则需要一定的恢复过程,但是当建立了双向同步通道之后,可以很快地切换到阿里云,同时很快地切换回来,因此能够支持企业实现在线的容灾演练。

关于阿里云数据库传输服务DTS:

阿里巴巴在2011年左右开始投入做数据库的日志解析,而DTS除了能够实现日志解析之外,还能够实现高效的数据同步,是阿里巴巴内部实现异地多活的基础设施,也是阿里巴巴的数据从生产到消费的数据流基础设施。

DTS也支持了非常丰富的数据源,包括关系型数据库、NoSQL及大数据等17种数据源,承担了阿里云上的40多万的数据传输任务。

3、基于DMS+HDM的数据库统一管理方案

除了上述的DBS和DTS两款灾备产品之外,当用户使用线下到线上的数据同步或者线下到线上数据热备之后,就会形成一个混合云数据库架构。

阿里云为此提供了一整套数据库混合云统一管理解决方案,该方案沉淀了阿里在脱敏审计、变更管控以及研发协同等多方面的能力。

在混合云上,如果数据库分布在自建的IDC、其他云厂商以及阿里云上,就可以通过阿里云的混合云数据库管理(HDM)进行统一管理,通过One Console实现统一监控、告警、性能优化和风险识别。


原文链接
本文为云栖社区原创内容,未经允许不得转载。

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/yunqiinsight/article/details/91365386

智能推荐

Android Application详解_android application-程序员宅基地

文章浏览阅读1.2k次。来自: http://www.linuxidc.com/Linux/2012-06/63934.htm(有修改)Android中用Application类实现全局变量What is ApplicationApplication和Actovotu,Service一样是android框架的一个系统组件,当android程序启动时系统会创建_android application

STM32 10个工程篇:1.IAP远程升级(五)-程序员宅基地

文章浏览阅读2.1k次,点赞6次,收藏5次。最后如图5所示是串口解析函数,这个函数主要把串口DMA空闲中断收到的报文数据(报头正确)进行解析,函数先进行了CRC校验判断,如果CRC校验错误直接发送“-error”报文上位机收到立刻显示错误,如果CRC校验正确则进行下一轮判断:对于命令码“00”则为BOOT检测命令,下位机收到后即可返回“+right”并直接置位Flag_Start为Jump_Boot,上位机收到即可显示正确;对于命令码“01”则为APP跳入命令,这里直接置位Flag_Start为Jump_App即可,详细过程放在下一篇博客展开讲解。_iap远程升级

SCI一区级 | Matlab实现EVO-CNN-BiLSTM-Mutilhead-Attention能量谷优化算法优化卷积双向长短期记忆神经网络融合多头注意力机制多变量多步时间序列预测_能量谷算法matlab-程序员宅基地

文章浏览阅读699次,点赞28次,收藏25次。本文提出了一种基于能量谷算法优化多头注意力机制的卷积神经网络结合长短记忆神经网络(EVO-CNN-BiLSTM-Multihead-Attention)的温度预测模型。该模型将能量谷算法应用于多头注意力机制中,通过优化注意力权重矩阵,增强模型对温度序列特征的提取能力。同时,该模型结合了卷积神经网络和长短记忆神经网络,充分利用了温度序列的时空特征。实验结果表明,该模型在多个温度数据集上取得了优异的预测性能,有效提高了温度预测的准确性。_能量谷算法matlab

Dijkstra、Bellman_Ford、SPFA、Floyd算法复杂度比较_请对比b-f算法、dijkstra算法、以及f-w算法的计算复杂度。-程序员宅基地

文章浏览阅读1.4k次,点赞2次,收藏5次。转自:Dijkstra、Bellman_Ford、SPFA、Floyd算法复杂度比较Dijkstra:适用于权值为非负的图的单源最短路径,用斐波那契堆的复杂度O(E+VlgV)BellmanFord:适用于权值有负值的图的单源最短路径,并且能够检测负圈,复杂度O(VE)SPFA:适用于权值有负值,且没有负圈的图的单源最短路径,论文中的复杂度O(kE),k为每个节点进入Queue的次数,..._请对比b-f算法、dijkstra算法、以及f-w算法的计算复杂度。

linux下制作windows启动盘,行家里手:Linux使用WoeUSB制作Windows启动盘-程序员宅基地

文章浏览阅读1w次,点赞2次,收藏20次。Linux 下制作启动 U 盘的工具实在是很多,要是不熟悉三个以上的启动盘制作工具,你都不好意思说你会折腾 Linux!虽是玩笑话,但是各类系统 ISO 结构不一,各类电脑引导方式也有区别,因此,Linux 用户多熟悉一些常用的启动盘制作软件实属必要。不过,这些都是制作 Linux 系统启动盘的工具。那么,如何在 Linux 下制作 Windows 的启动盘呢?答案是:Wo..._woeusb制作启动盘

vsto类型安装包问题_vsto环境安装包-程序员宅基地

文章浏览阅读1.7k次。打了一个vsto类型的安装包,预安装条件中是.netframework4.8和vsto4.0.但安装条件中只能选择windows的版本,却不能自己增加列表中没有的windows版本,导致没在列表中的windows版本的机器安装时,不会自动下载安装预安装条件中的程序,结果安装失败。默认情况下,Advanced Installer的预安装条件只能选择Windows的版本,但是你可以通过手动添加自定义操作来实现下载和安装预安装条件。这样,在安装程序运行时,它将首先尝试检查目标计算机是否已安装所需的预安装条件。_vsto环境安装包

随便推点

【甘道夫】NN HA 对于 Client 透明的实验-程序员宅基地

文章浏览阅读124次。之前转载过一篇【伊利丹】写的NN HA实验记录。该博客描写叙述了主备NN透明切换的过程,也就是说,当主NN挂掉后,自己主动将备NN切换为主NN了,Hadoop集群正常执行。今天我继续做了一个实验。目的是实现NN的切换不会对Client端程序造成影响,即NN切换对Client透明。首先,非常重要的一点:..._nnha

springboot+mysql校园疫情防控系统的设计与实现-计算机毕业设计源码93033-程序员宅基地

文章浏览阅读93次。前台用户可分为未注册用户需求和已注册用户需求。未注册用户的功能如下:注册账号:用户填写个人信息,并验证手机号码。浏览公告数据:用户可以浏览主页面的公告数据来了解系统的最新公告数据。已注册用户的功能如下:登录:根据账号密码进行登录操作。维护个人信息:用户因个人信息的变更可以随时修改自己注册信息。场所打卡:用户根据自己的需求进行场所打卡操作。数据上报:用户可以上传数据信息。通行验证:用户根据自己的需求进行通行验证操作。

基于SpringBoot+MySQL+SSM+Vue.js的人力资源管理系统(附论文)-程序员宅基地

文章浏览阅读352次,点赞3次,收藏4次。基于SpringBoot+MySQL+SSM+Vue.js的人力资源管理系统(附论文),用户,管理员角色等(具体看下演示视频提供)。随着信息技术在管理上越来越深入而广泛的应用,管理信息系统的实施在技术上已逐步成熟。本文介绍了基于java web的中小型人力资源管理系统的开发全过程。通过分析基于java web的中小型人力资源管理系统管理的不足,创建了一个计算机管理基于java web的中小型人力资源管理系统的方案。文章介绍了基于java web的中小型人力资源管理系统的系统分析部分,包括可行性分析等,系统

如何评价cisp-pte证书?_cise-pte,2024年最新腾讯Golang面试题目-程序员宅基地

文章浏览阅读591次,点赞8次,收藏20次。但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎扫码加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!**

离心泵水力设计——叶轮设计——3 中间流线_叶轮中间流线matelab代码-程序员宅基地

文章浏览阅读1.2w次,点赞25次,收藏36次。1 叶轮设计计算1.10 绘制轴面流线按照一元理论,速度沿同一过水断面均匀分布,这样只要把总的过水断面分成3~5个相等的小过水断面即可。为简单起见,这里仅划分3个,即前盖板、后盖板和中间流线。需要特别注意的是前面提到的中间流线与流道中线的区别,流道中线是内切圆圆心的拟合曲线,而中间流线则是把==过流断面(空间上是个曲面圆环,轴面投影上是个圆弧)==分成了面积相等的两部分的各个点的拟合线。对..._叶轮中间流线matelab代码

GEE图表——利用NOAA气象数据绘制气温预测图_gee处理noaa气象数据-程序员宅基地

文章浏览阅读368次。气象预测是通过气象数据和模型对未来某一时间和地点的天气情况进行预测。具体步骤如下:1. 数据采集:从气象观测站、卫星等获取气象数据,包括气压、水汽、风速、温度、降雨、云量等。2. 数据清洗:对采集到的数据进行质量检查、处理和筛选,去除异常数据和不合理数据。3. 数据处理:将清洗后的数据通过插值、平滑等方法处理成空间和时间上连续的气象场。4. 模型选择:根据预测的时间范围、区域和目的,选择合适的气象模型,如数值天气预报模型、统计预报模型等。_gee处理noaa气象数据

推荐文章

热门文章

相关标签