等级1：关键业务系统
– RTO：≤15分钟
– RPO：≤5分钟
– 灾备模式：双活/热备
– 适用场景：核心交易系统、支付系统
– 成本：高

等级2：重要业务系统
– RTO：≤1小时
– RPO：≤30分钟
– 灾备模式：热备
– 适用场景：CRM、ERP系统
– 成本：中高

等级3：一般业务系统
– RTO：≤4小时
– RPO：≤2小时
– 灾备模式：温备
– 适用场景：OA、邮件系统
– 成本：中

等级4：非关键系统
– RTO：≤24小时
– RPO：≤24小时
– 灾备模式：冷备
– 适用场景：开发测试环境
– 成本：低

# 灾备方案选型矩阵
业务类型 数据量 RTO要求 RPO要求 推荐方案
——– —— ——- ——- ——–
核心交易 TB级 15分钟 5分钟 双活架构
支付系统 百GB 15分钟 5分钟 同城双活
CRM系统 TB级 1小时 30分钟 异地热备
ERP系统 TB级 2小时 1小时 异地温备
OA系统 百GB 4小时 2小时 云备份
邮件系统 TB级 4小时 2小时 云备份

# FGedu灾备架构总览
架构层次：
├── 生产中心（北京）
│ ├── 核心业务区
│ ├── 数据库集群
│ └── 应用服务器集群
├── 同城灾备中心（北京）
│ ├── 实时数据同步
│ ├── 应用热备
│ └── 自动切换
└── 异地灾备中心（上海）
├── 异步数据复制
├── 应用温备
└── 手动切换

数据流向：
生产中心 –实时同步–> 同城灾备
生产中心 –异步复制–> 异地灾备
同城灾备 –异步复制–> 异地灾备

# 1. 网络架构
网络拓扑：
┌─────────────┐
│ 全局负载均衡 │
│ (GSLB) │
└──────┬──────┘
│
┌────────────┼────────────┐
│ │ │
┌─────▼─────┐ │ ┌─────▼─────┐
│ 站点A │ │ │ 站点B │
│ (生产) │ │ │ (灾备) │
│ │ │ │ │
│ ┌──────┐ │ │ │ ┌──────┐ │
│ │ LB │ │ │ │ │ LB │ │
│ └──┬───┘ │ │ │ └──┬───┘ │
│ │ │ │ │ │ │
│ ┌──▼───┐ │ │ │ ┌──▼───┐ │
│ │ APP │ │ │ │ │ APP │ │
│ └──┬───┘ │ │ │ └──┬───┘ │
│ │ │ │ │ │ │
│ ┌──▼───┐ │ │ │ ┌──▼───┐ │
│ │ DB │◄─┼─────┼─────┼─►│ DB │ │
│ └──────┘ │ │ │ └──────┘ │
└────────────┘ │ └────────────┘
│
┌──────▼──────┐
│ 专线/裸光纤 │
└─────────────┘

# 2. 数据库双活配置（MySQL示例）
# 站点A配置
[mysqld]
server-id = 1
log-bin = mysql-bin
binlog-format = ROW
gtid_mode = ON
enforce_gtid_consistency = ON

# 双主复制配置
auto_increment_offset = 1
auto_increment_increment = 2

# 站点B配置
[mysqld]
server-id = 2
log-bin = mysql-bin
binlog-format = ROW
gtid_mode = ON
enforce_gtid_consistency = ON

# 双主复制配置
auto_increment_offset = 2
auto_increment_increment = 2

# 配置双向复制
# 在站点A执行
mysql> CHANGE MASTER TO
MASTER_HOST=’10.0.2.11′,
MASTER_USER=’repl’,
MASTER_PASSWORD=’Fgedu@Repl123′,
MASTER_AUTO_POSITION=1;
Query OK, 0 rows affected, 2 warnings (0.01 sec)

mysql> START SLAVE;
Query OK, 0 rows affected (0.00 sec)

# 在站点B执行
mysql> CHANGE MASTER TO
MASTER_HOST=’10.0.1.11′,
MASTER_USER=’repl’,
MASTER_PASSWORD=’Fgedu@Repl123′,
MASTER_AUTO_POSITION=1;
Query OK, 0 rows affected, 2 warnings (0.01 sec)

mysql> START SLAVE;
Query OK, 0 rows affected (0.00 sec)

# 验证复制状态
mysql> SHOW SLAVE STATUS\G
*************************** 1. row ***************************
Slave_IO_State: Waiting for master to send event
Master_Host: 10.0.1.11
Master_User: repl
Master_Port: 3306
Connect_Retry: 60
Master_Log_File: mysql-bin.000001
Read_Master_Log_Pos: 12345
Relay_Log_File: relay-bin.000002
Relay_Log_Pos: 12456
Relay_Master_Log_File: mysql-bin.000001
Slave_IO_Running: Yes
Slave_SQL_Running: Yes
Replicate_Do_DB:
Replicate_Ignore_DB:
Replicate_Do_Table:
Replicate_Ignore_Table:
Replicate_Wild_Do_Table:
Replicate_Wild_Ignore_Table:
Last_Errno: 0
Last_Error:
Skip_Counter: 0
Exec_Master_Log_Pos: 12345
Relay_Log_Space: 12678
1 row in set (0.00 sec)

# 3. 应用层负载均衡配置
# Nginx配置（站点A）
upstream fgedu_backend {
least_conn;
server 10.0.1.21:8080 weight=5;
server 10.0.1.22:8080 weight=5;
server 10.0.2.21:8080 weight=3 backup;
server 10.0.2.22:8080 weight=3 backup;
}

server {
listen 80;
server_name fgedu.net.cn;

location / {
proxy_pass http://fgedu_backend;
proxy_set_header Host $host;
proxy_set_header X-Real-IP $remote_addr;
proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;

# 健康检查
proxy_next_upstream error timeout invalid_header http_500 http_502 http_503;
proxy_connect_timeout 5s;
proxy_read_timeout 60s;
}
}

# 4. GSLB配置
# DNS配置示例
$TTL 300
@ IN SOA ns1.fgedu.net.cn. admin.fgedu.net.cn. (
2026040301 ; Serial
300 ; Refresh
180 ; Retry
604800 ; Expire
300 ) ; Minimum

IN NS ns1.fgedu.net.cn.
IN NS ns2.fgedu.net.cn.

www IN A 10.0.1.100 ; 站点A
IN A 10.0.2.100 ; 站点B

# 健康检查脚本
#!/bin/bash
# 文件名: site_health_check.sh

SITE_A_VIP=”10.0.1.100″
SITE_B_VIP=”10.0.2.100″

check_site() {
local vip=$1
local site_name=$2

# HTTP检查
http_code=$(curl -s -o /dev/null -w “%{http_code}” –connect-timeout 3 http://${vip}/health)

# 数据库检查
db_status=$(mysqladmin ping -h ${vip} -u monitor -pFgedu@Mon123 2>/dev/null | grep -c “alive”)

if [ “$http_code” = “200” ] && [ “$db_status” = “1” ]; then
echo “${site_name}: OK”
return 0
else
echo “${site_name}: FAILED (HTTP=${http_code}, DB=${db_status})”
return 1
fi
}

check_site $SITE_A_VIP “站点A”
check_site $SITE_B_VIP “站点B”

$ ./site_health_check.sh
站点A: OK
站点B: OK

# 1. 数据同步方案
# 使用云存储网关实现异地数据同步

# 阿里云OSS跨区域复制配置
# 主区域：北京
# 备区域：上海

# 创建OSS Bucket
$ aliyun oss mb oss://fgedu-dr-beijing –region cn-beijing
$ aliyun oss mb oss://fgedu-dr-shanghai –region cn-shanghai

# 配置跨区域复制
$ aliyun oss put-bucket-replication \
–bucket fgedu-dr-beijing \
–replication-configuration ‘{
“ReplicationConfiguration”: {
“Rule”: [{
“ID”: “fgedu-dr-replication”,
“Status”: “enabled”,
“Destination”: {
“Bucket”: “fgedu-dr-shanghai”,
“Location”: “oss-cn-shanghai”
},
“HistoricalObjectReplication”: “enabled”
}]
}
}’

# 查看复制状态
$ aliyun oss get-bucket-replication –bucket fgedu-dr-beijing
{
“ReplicationConfiguration”: {
“Rule”: [{
“ID”: “fgedu-dr-replication”,
“Status”: “doing”,
“Destination”: {
“Bucket”: “fgedu-dr-shanghai”,
“Location”: “oss-cn-shanghai”
},
“Progress”: {
“HistoricalObject”: “100%”,
“NewObject”: “enabled”
}
}]
}
}

# 2. 数据库异地同步
# MySQL异步复制配置

# 主库（北京）
[mysqld]
server-id = 1
log-bin = mysql-bin
binlog-format = ROW
gtid_mode = ON
enforce_gtid_consistency = ON
binlog_cache_size = 1M
max_binlog_size = 500M
expire_logs_days = 7

# 从库（上海）
[mysqld]
server-id = 3
log-bin = mysql-bin
binlog-format = ROW
gtid_mode = ON
enforce_gtid_consistency = ON
relay-log = relay-bin
relay_log_recovery = ON
read_only = ON

# 配置复制
mysql> CHANGE MASTER TO
MASTER_HOST=’10.0.1.11′,
MASTER_USER=’repl’,
MASTER_PASSWORD=’Fgedu@Repl123′,
MASTER_AUTO_POSITION=1;
Query OK, 0 rows affected, 2 warnings (0.01 sec)

mysql> START SLAVE;
Query OK, 0 rows affected (0.00 sec)

# 监控复制延迟
mysql> SHOW SLAVE STATUS\G
*************************** 1. row ***************************
Slave_IO_State: Waiting for master to send event
Master_Host: 10.0.1.11
Slave_IO_Running: Yes
Slave_SQL_Running: Yes
Seconds_Behind_Master: 2
1 row in set (0.00 sec)

# 3. 应用层灾备切换脚本
#!/bin/bash
# 文件名: dr_switch.sh

PRIMARY_SITE=”北京生产中心”
DR_SITE=”上海灾备中心”
DNS_PROVIDER=”aliyun”

switch_to_dr() {
echo “=== 开始灾备切换 ===”
echo “从: $PRIMARY_SITE”
echo “到: $DR_SITE”

# 1. 停止主站点的写入
echo “1. 停止主站点写入…”
mysql -h 10.0.1.11 -u root -p’Fgedu@Root123′ -e “SET GLOBAL read_only = ON;”

# 2. 等待数据同步完成
echo “2. 等待数据同步…”
while true; do
delay=$(mysql -h 10.0.3.11 -u monitor -p’Fgedu@Mon123′ -N -e “SHOW SLAVE STATUS\G” | grep “Seconds_Behind_Master” | awk ‘{print $2}’)
if [ “$delay” = “0” ]; then
echo “数据同步完成”
break
fi
echo “等待同步…延迟: ${delay}秒”
sleep 5
done

# 3. 提升灾备站点为主
echo “3. 提升灾备站点…”
mysql -h 10.0.3.11 -u root -p’Fgedu@Root123′ -e “STOP SLAVE; RESET SLAVE ALL; SET GLOBAL read_only = OFF;”

# 4. 更新DNS解析
echo “4. 更新DNS解析…”
aliyun alidns UpdateDomainRecord \
–RecordId “xxx” \
–RR “www” \
–Type “A” \
–Value “10.0.3.100” \
–TTL 60

# 5. 启动灾备应用
echo “5. 启动灾备应用…”
ssh root@10.0.3.21 “systemctl start fgedu-app”
ssh root@10.0.3.22 “systemctl start fgedu-app”

echo “=== 灾备切换完成 ===”
}

switch_to_dr

# 输出
=== 开始灾备切换 ===
从: 北京生产中心
到: 上海灾备中心
1. 停止主站点写入…
2. 等待数据同步…
等待同步…延迟: 5秒
等待同步…延迟: 2秒
数据同步完成
3. 提升灾备站点…
4. 更新DNS解析…
5. 启动灾备应用…
=== 灾备切换完成 ===

# 1. 云资源规划
# 阿里云灾备资源配置

# 创建VPC
$ aliyun vpc CreateVpc \
–RegionId cn-shanghai \
–VpcName fgedu-dr-vpc \
–CidrBlock 10.3.0.0/16
{
“VpcId”: “vpc-xxx”,
“RequestId”: “xxx”
}

# 创建交换机
$ aliyun vpc CreateVSwitch \
–RegionId cn-shanghai \
–VpcId vpc-xxx \
–ZoneId cn-shanghai-a \
–CidrBlock 10.3.1.0/24 \
–VSwitchName fgedu-dr-web
{
“VSwitchId”: “vsw-xxx”
}

$ aliyun vpc CreateVSwitch \
–RegionId cn-shanghai \
–VpcId vpc-xxx \
–ZoneId cn-shanghai-b \
–CidrBlock 10.3.2.0/24 \
–VSwitchName fgedu-dr-db
{
“VSwitchId”: “vsw-xxx”
}

# 2. 创建ECS实例
# Web服务器
$ aliyun ecs CreateInstance \
–RegionId cn-shanghai \
–ZoneId cn-shanghai-a \
–InstanceType ecs.g6.xlarge \
–ImageId centos_7_9_x64_20G_alibase_20210427.vhd \
–InstanceName fgedu-dr-web01 \
–VSwitchId vsw-xxx \
–SecurityGroupId sg-xxx \
–InstanceChargeType PostPaid \
–Password Fgedu@Ecs123
{
“InstanceId”: “i-xxx”,
“RequestId”: “xxx”
}

# 数据库服务器
$ aliyun ecs CreateInstance \
–RegionId cn-shanghai \
–ZoneId cn-shanghai-b \
–InstanceType ecs.r6.2xlarge \
–ImageId centos_7_9_x64_20G_alibase_20210427.vhd \
–InstanceName fgedu-dr-db01 \
–VSwitchId vsw-xxx \
–SecurityGroupId sg-xxx \
–InstanceChargeType PostPaid \
–Password Fgedu@Ecs123
{
“InstanceId”: “i-xxx”,
“RequestId”: “xxx”
}

# 3. 配置高速通道（专线）
$ aliyun vpc CreatePhysicalConnection \
–RegionId cn-shanghai \
–AccessPointId ap-cn-shanghai-xx \
–LineOperator CT \
–Type VPC \
–PortType 1000Base-T \
–Bandwidth 1000 \
–Name fgedu-dr-connection
{
“PhysicalConnectionId”: “pc-xxx”
}

# 4. 配置云企业网（CEN）
$ aliyun cen CreateCen \
–Name fgedu-cen
{
“CenId”: “cen-xxx”
}

# 加载网络实例
$ aliyun cen AttachCenChildInstance \
–CenId cen-xxx \
–ChildInstanceRegionId cn-beijing \
–ChildInstanceId vpc-xxx \
–ChildInstanceType VPC

$ aliyun cen AttachCenChildInstance \
–CenId cen-xxx \
–ChildInstanceRegionId cn-shanghai \
–ChildInstanceId vpc-xxx \
–ChildInstanceType VPC

# 5. 配置安全组规则
$ aliyun ecs AuthorizeSecurityGroup \
–RegionId cn-shanghai \
–SecurityGroupId sg-xxx \
–IpProtocol tcp \
–PortRange 22/22 \
–SourceCidrIp 10.0.0.0/8 \
–Description “SSH from internal”

$ aliyun ecs AuthorizeSecurityGroup \
–RegionId cn-shanghai \
–SecurityGroupId sg-xxx \
–IpProtocol tcp \
–PortRange 3306/3306 \
–SourceCidrIp 10.3.1.0/24 \
–Description “MySQL from web”

# 6. 验证网络连通性
$ ping 10.3.1.11
PING 10.3.1.11 (10.3.1.11) 56(84) bytes of data.
64 bytes from 10.3.1.11: icmp_seq=1 ttl=64 time=2.15 ms
64 bytes from 10.3.1.11: icmp_seq=2 ttl=64 time=2.08 ms

$ traceroute 10.3.1.11
traceroute to 10.3.1.11 (10.3.1.11), 30 hops max, 60 byte packets
1 10.0.1.1 (10.0.1.1) 0.123 ms 0.098 ms 0.087 ms
2 10.3.1.11 (10.3.1.11) 2.156 ms 2.134 ms 2.112 ms

# 演练类型
演练类型：
1. 桌面演练
– 频率：每季度
– 内容：方案评审、流程梳理
– 参与人员：运维、开发、业务

2. 技术演练
– 频率：每半年
– 内容：切换测试、数据验证
– 参与人员：运维团队

3. 全面演练
– 频率：每年
– 内容：全流程切换、业务验证
– 参与人员：全体相关人员

# 演练检查清单
演练前检查：
□ 确认演练时间和范围
□ 通知所有相关人员
□ 准备演练环境
□ 备份当前配置
□ 准备回滚方案
□ 确认监控和日志

演练中检查：
□ 记录每个步骤的时间
□ 监控系统状态
□ 验证数据一致性
□ 测试业务功能
□ 记录问题和异常

演练后检查：
□ 恢复生产环境
□ 验证业务正常
□ 分析演练数据
□ 总结问题和改进
□ 更新灾备文档

# 演练脚本
#!/bin/bash
# 文件名: dr_drill.sh

DRILL_DATE=$(date +%Y%m%d)
LOG_FILE=”/var/log/dr_drill_${DRILL_DATE}.log”

log() {
echo “[$(date ‘+%Y-%m-%d %H:%M:%S’)] $1” | tee -a $LOG_FILE
}

drill_start() {
log “=== 灾备演练开始 ===”
log “演练类型: 技术演练”
log “演练范围: 数据库切换”

# 记录开始时间
START_TIME=$(date +%s)
log “开始时间: $(date ‘+%Y-%m-%d %H:%M:%S’)”

# 1. 检查主库状态
log “1. 检查主库状态…”
mysql -h 10.0.1.11 -u monitor -p’Fgedu@Mon123′ -e “SHOW STATUS LIKE ‘Threads_connected’;”

# 2. 检查备库状态
log “2. 检查备库状态…”
mysql -h 10.0.3.11 -u monitor -p’Fgedu@Mon123′ -e “SHOW SLAVE STATUS\G”

# 3. 执行切换
log “3. 执行切换…”
/opt/scripts/dr_switch.sh

# 4. 验证切换结果
log “4. 验证切换结果…”
mysql -h 10.0.3.11 -u monitor -p’Fgedu@Mon123′ -e “SELECT COUNT(*) FROM fgedu.users;”

# 5. 业务验证
log “5. 业务验证…”
curl -s http://10.0.3.100/api/health

# 记录结束时间
END_TIME=$(date +%s)
DURATION=$((END_TIME – START_TIME))

log “结束时间: $(date ‘+%Y-%m-%d %H:%M:%S’)”
log “切换耗时: ${DURATION}秒”

# 6. 恢复演练环境
log “6. 恢复演练环境…”
/opt/scripts/dr_restore.sh

log “=== 灾备演练结束 ===”
}

drill_start

# 运行演练
$ ./dr_drill.sh
[2026-04-03 10:00:00] === 灾备演练开始 ===
[2026-04-03 10:00:00] 演练类型: 技术演练
[2026-04-03 10:00:00] 演练范围: 数据库切换
[2026-04-03 10:00:00] 开始时间: 2026-04-03 10:00:00
[2026-04-03 10:00:01] 1. 检查主库状态…
[2026-04-03 10:00:02] 2. 检查备库状态…
[2026-04-03 10:00:03] 3. 执行切换…
[2026-04-03 10:00:15] 4. 验证切换结果…
[2026-04-03 10:00:16] 5. 业务验证…
[2026-04-03 10:00:17] 6. 恢复演练环境…
[2026-04-03 10:00:30] 结束时间: 2026-04-03 10:00:30
[2026-04-03 10:00:30] 切换耗时: 30秒
[2026-04-03 10:00:30] === 灾备演练结束 ===

# 1. 数据同步监控
#!/bin/bash
# 文件名: dr_sync_monitor.sh

# 监控MySQL复制延迟
check_mysql_replication() {
local host=$1
local delay=$(mysql -h $host -u monitor -p’Fgedu@Mon123′ -N -e “SHOW SLAVE STATUS\G” 2>/dev/null | grep “Seconds_Behind_Master” | awk ‘{print $2}’)

if [ -z “$delay” ]; then
echo “ERROR: 无法获取复制状态”
return 1
fi

if [ “$delay” = “NULL” ]; then
echo “ERROR: 复制已停止”
return 1
fi

if [ $delay -gt 60 ]; then
echo “WARNING: 复制延迟 ${delay}秒”
return 1
fi

echo “OK: 复制延迟 ${delay}秒”
return 0
}

# 监控文件同步
check_file_sync() {
local src_dir=”/data/files”
local dst_host=”10.0.3.11″
local dst_dir=”/data/files”

# 比较文件数量
src_count=$(find $src_dir -type f | wc -l)
dst_count=$(ssh $dst_host “find $dst_dir -type f | wc -l”)

if [ $src_count -ne $dst_count ]; then
echo “WARNING: 文件数量不一致 源:${src_count} 目标:${dst_count}”
return 1
fi

echo “OK: 文件数量一致 ${src_count}”
return 0
}

# 主监控函数
main() {
echo “=== 灾备同步监控 ===”
echo “时间: $(date ‘+%Y-%m-%d %H:%M:%S’)”

check_mysql_replication “10.0.3.11”
check_file_sync
}

main

# 2. 灾备资源监控
# Prometheus配置
global:
scrape_interval: 15s
evaluation_interval: 15s

scrape_configs:
– job_name: ‘dr-servers’
static_configs:
– targets: [‘10.0.3.11:9100’, ‘10.0.3.12:9100’]
labels:
site: ‘dr-shanghai’
role: ‘database’
– targets: [‘10.0.3.21:9100’, ‘10.0.3.22:9100’]
labels:
site: ‘dr-shanghai’
role: ‘webserver’

# 告警规则
groups:
– name: dr_alerts
rules:
– alert: DRReplicationLag
expr: mysql_slave_lag_seconds > 60
for: 5m
labels:
severity: warning
annotations:
summary: “灾备复制延迟过高”
description: “灾备站点 {{ $labels.instance }} 复制延迟 {{ $value }}秒”

– alert: DRSiteDown
expr: up{site=”dr-shanghai”} == 0
for: 1m
labels:
severity: critical
annotations:
summary: “灾备站点不可达”
description: “灾备服务器 {{ $labels.instance }} 无法访问”

# 3. 定期健康检查
$ crontab -l
*/5 * * * * /opt/scripts/dr_sync_monitor.sh >> /var/log/dr_monitor.log 2>&1
0 8 * * * /opt/scripts/dr_health_check.sh >> /var/log/dr_health.log 2>&1
0 2 * * 0 /opt/scripts/dr_full_verify.sh >> /var/log/dr_verify.log 2>&1

# 运行监控
$ ./dr_sync_monitor.sh
=== 灾备同步监控 ===
时间: 2026-04-03 10:00:00
OK: 复制延迟 2秒
OK: 文件数量一致 12345

# 系统架构
生产环境（北京）：
– Web服务器：4台（负载均衡）
– 应用服务器：8台（集群）
– 数据库：MySQL主从（一主三从）
– 缓存：Redis Cluster（6节点）
– 消息队列：Kafka Cluster（3节点）

灾备环境（上海）：
– Web服务器：2台（冷备）
– 应用服务器：4台（温备）
– 数据库：MySQL从库（异步复制）
– 缓存：Redis从节点
– 消息队列：Kafka MirrorMaker

# RTO/RPO指标
– RTO目标：30分钟
– RPO目标：5分钟
– 实际测试：RTO=25分钟，RPO=3分钟

# 切换流程
1. 故障检测（5分钟）
– 自动监控告警
– 人工确认故障
– 决定启动灾备

2. 数据同步确认（5分钟）
– 检查数据同步状态
– 等待数据同步完成
– 验证数据一致性

3. 灾备环境启动（10分钟）
– 启动应用服务器
– 提升数据库为主
– 更新DNS解析

4. 业务验证（5分钟）
– 功能测试
– 性能测试
– 业务确认

5. 用户通知（5分钟）
– 发送通知
– 更新公告
– 客服支持

# 成本分析
项目 生产环境 灾备环境 占比
—- ——– ——– —-
计算资源 100% 50% 50%
存储资源 100% 100% 100%
网络带宽 100% 30% 30%
软件许可 100% 100% 100%
运维人力 100% 50% 50%
总计 100% 66% 66%

# 灾备投资回报
年度成本：
– 灾备环境成本：约200万
– 演练测试成本：约20万
– 运维人力成本：约30万
– 总计：约250万

风险规避：
– 避免停机损失：约500万/年
– 数据保护价值：约1000万
– 合规要求满足：必要投入

投资回报率：约300%