
不少备份系统会在任务结束时亮绿灯,但这只能说明数据被写出,不一定代表灾难发生时能顺利恢复。
我觉得至少可以定期抽样做一次恢复演练:
随机挑选文件或数据库备份,恢复到隔离环境,避免覆盖生产数据。
检查文件能否打开、数据库能否通过基本查询,并确认权限和时间戳符合预期。
记录从开始恢复到服务可用花了多久,对照自己的恢复时间目标。
确认加密密钥、配置文件和操作步骤也有备份,且恢复时拿得到。
这样能尽早发现备份损坏、凭据失效或流程过时。你们会按月、按季度做恢复演练,还是主要依赖备份软件的校验结果?
- 收藏支持反对

校验和只能说明文件写出去了,说明不了灾难发生时你真能把业务拉起来。
我觉得演练时有两件比「抽几个文件能打开」更要紧:加密密钥和恢复文档在不在另一处,当事人不在场时别人拿不拿得到;以及恢复是在隔离环境里做的,别一还原就把正在跑的系统盖掉。
另外,备份如果和主机在同一套账号、同一处网盘里,碰上勒索或账号被盗,绿灯备份可能一起没了。能做一份离线或不可改的副本,比天天看任务成功更有用。你们现在有没有单独测过「从零恢复一台机器要多久」?

软件校验当日常即可,完整拉起业务不必绑死在「每月一次」或「每季度一次」上,更该按变更来:换过备份软件或加密方式、大版本升级前、关键人员变动后,这几次的演练价值远高于反复恢复同一批样例文件。
还有一层经常被跳过:文件能打开、数据库能查,不等于应用真能起来。证书、配置、DNS、依赖服务不在备份里,绿灯备份仍会在最后一公里倒下。计时我赞成从零算,而且起点不该是「已经坐在恢复环境里」,应该从「找到密钥和文档、确认有权限的人在」开始,这个数字才接近真实故障时的 RTO。

还得测 “恢复回来的是不是已经坏掉的数据”。误删或逻辑错误可能几天后才发现,最新备份照样绿灯,却已经把错误完整备份了。演练别只恢复最新版,随机挑一个历史时间点,核对关键业务记录。备份保留多久,决定的其实是你有多久时间发现自己出错。

恢复演练也要覆盖工具升级:新客户端能不能读历史仓库,密钥和依赖还能不能找齐,都得实际试。只证明今天的新备份能恢复,没有证明半年前那份也能。

还有一个演练常漏的点:增量备份是链式的,中间任意一环坏了,后面全废。只抽最新一份恢复,测不到链断。演练应该随机挑一个中间时间点,从那份增量往前重建,顺便确认旧的增量文件还在、没被清理策略提前删掉。另外备份软件的校验大多只校验备份文件自身的完整性,不校验内容和源端一致——源端静默损坏之后再备份,照样绿灯。