干运维这行的人,谁没在深更半夜被一个电话叫起来过?那边的声音带着哭腔:“库没了,能恢复吗?”那一刻,你脑子里闪过的不是工资条,而是上次备份是什么时候,备份文件放在哪台机器上,那台机器是不是还活着。MySQL作为全世界用得最多的开源关系型数据库,它的备份与恢复,说穿了就是两条路:逻辑备份和物理备份。但这两条路走起来,坑之多,足以让人写到离职报告里。今天不聊那些教科书上的概念,就聊点实在的,怎么在出事之前把事情做对,以及出了事之后怎么把损失降到最低。

先说说备份这事的底层逻辑。你得搞清楚一件事,备份不是把数据导出来就完事了,备份是一个系统工程。它至少包含三个层面:数据本身、数据库结构(表结构、存储过程、触发器、事件)、以及二进制日志(binlog)。很多人只盯着第一层,觉得mysqldump导出一个SQL文件就万事大吉。结果真到恢复的时候,发现表结构里的字符集不对,或者某个存储过程没导出来,业务逻辑直接崩了半条腿。所以,做备份之前,先自己问一句:我备份的是“能用的库”,还是仅仅“有数据的库”?这两者之间的差距,就是事故发生时你能否按时下班的差距。
说到mysqldump,这是逻辑备份里最常用的工具。很多人用它,但用得糙。比如,不加参数就敢对InnoDB表做在线备份。这参数的意思是,在备份过程中开启一个可重复读的事务,保证你导出的数据是一致性的快照。如果你用的是MyISAM表,那更麻烦,不加,备份过程中写入的数据会导致导出文件不一致,恢复的时候数据错乱,你还查不出原因。另外,和这两个参数,新手十有八九会漏掉。默认情况下,mysqldump不导出存储过程和触发器,你如果不在命令行里显式加上,恢复出来的库就只有裸表。到时候业务跑起来,报错“PROCEDURE xxx does not exist”,你哭都来不及。还有一个实用细节:导出时用,特别是从库上做备份时,这个参数能避免恢复时GTID冲突,否则恢复动作本身就会污染主从链路。
物理备份则是另一条路,直接复制数据目录下的文件。Percona XtraBackup是这个领域的扛把子,它能在不锁表的情况下做InnoDB的物理备份,原理是复制数据文件的同时,跟踪redo log的变化,备份完成后把redo log的信息补齐,生成一个一致性快照。这玩意儿比mysqldump快得多,尤其适合数据量上了百GB甚至TB级别的库。但物理备份的坑在于,它依赖版本兼容性。你用8.0的XtraBackup备份了8.0的实例,恢复到一个5.7的实例上,那是绝对不行的,数据文件的格式根本对不上。另外,恢复物理备份时,日志序列号(LSN)必须对齐,如果备份文件里的LSN比binlog里的位置还靠前,那这部分事务在恢复时丢失,数据就不完整了。所以,物理备份通常要和binlog配合使用,备份完成后记录下当时的binlog文件名和位置(坐标),这样恢复时才能做到“时间点恢复”。
光说工具,不聊策略,等于白说。备份策略的核心就三个字:RPO(恢复点目标)和RTO(恢复时间目标),再加上一个保留周期。RPO指的是你最多能容忍丢失多少时间的数据。如果业务要求最多丢5分钟的数据,那你全量备份加binlog的增量备份,就必须做到5分钟以内。RTO则是指从故障发生到系统恢复可用,你最多能容忍多久。如果RTO要求1小时,那你得提前演练恢复流程,别等到真出事了才第一次跑恢复脚本。多数中小公司的现状是:每天凌晨2点跑一次全量备份,binlog保留7天。这配置应付一般业务够用,但赶上业务高峰期的晚上,比如双11前夜的促销活动,凌晨2点备份恰好错过了当天的峰值写入,那恢复出来丢的数据可能就是几个小时的核心订单。所以,备份策略不是定一次就完事,要跟着业务节奏调整。
binlog这东西,很多DBA对它又爱又恨。爱它,是因为它是做时间点恢复的救命稻草;恨它,是因为它占磁盘空间,而且配置不对还会拖垮性能。binlog的正确打开方式是这样的:必须开启参数,同时设置,否则MySQL拒绝启动。binlog的格式建议用模式。模式记录的是SQL语句,恢复时如果语句里有或这类非确定性函数,恢复出来的数据跟原始数据就对不上了。模式记录的是每一行数据的变化,精确但对磁盘占用更大。模式介于两者之间,但要说实用,还是最稳。另外,binlog的过期时间()要设好,设太长磁盘爆掉,设太短恢复窗口不够。建议至少保留3天,配合全量备份的周期,能覆盖RPO需求就行。
现在说恢复。恢复比备份更考验人,因为恢复往往是踩着时间线在做事。先说最常见的场景:误删数据。比如你执行了一个,没带事务,直接提交了。这时候你手里有昨天凌晨的全量备份,binlog从昨天凌晨到现在都还在。恢复步骤是:先找一台干净的机器,把全量备份恢复上去,得到一个昨天凌晨的数据库状态。然后,从binlog里把昨天凌晨之后的所有事务提取出来,用工具加上和参数,定位到误操作发生前的那一秒。接下来,把这段binlog应用到这个临时库上,数据就追到了误操作前的那一瞬间。把误操作涉及的那几张表导出,再导入回生产库。注意,这个过程中你绝不能把整段binlog直接灌回生产库,否则误操作那条DELETE也会被执行一遍,等于白忙活。所以,恢复的核心思路是:全量+增量,追到出事前,精准截断,只补受害表。
还有一类恢复场景更恶心:整个实例挂了,数据目录损坏,物理文件读不出来。这时候你只能依赖之前的物理备份或逻辑备份。如果你做的是XtraBackup物理备份,恢复时先把备份文件解压到数据目录,然后执行,这一步会应用redo log,让数据文件达到一致性状态。准备好之后,再启动MySQL。但如果你连binlog都丢了,那恢复就只能回到上次全量备份的时间点,中间的数据全部丢失。所以,很多成熟的运维团队会做“异地备份”,把备份文件每天同步到另一台机器或者对象存储上,防止“机房着火,备份和主库一起烧了”这种黑色幽默。
备份的自动化脚本也是门学问。别用裸的crontab直接跑,那你迟早会踩坑。比如,备份过程中网络抖动导致导出文件不完整,你也不知道,等到恢复那天才发现文件损坏,那叫一个欲哭无泪。所以,脚本里至少要做三件事:第一,备份完成后立即检查导出文件的大小,跟上次比不能差太多;第二,计算备份文件的MD5校验和,存到另一个文件里,恢复前先校验;第三,备份文件要带日期和库名,用命名,别用默认的dump.sql这种名字,否则恢复时你根本分不清哪个是最新的。另外,备份文件的压缩是必须的,或都行,能省一半以上的磁盘空间。但要注意,压缩和解压会消耗CPU,备份时间窗口如果很紧,就得权衡压缩等级。
说一句扎心的实话:备份做得再好,不演练等于白做。很多团队备份脚本跑了半年,从来没做过一次恢复演练。结果真出事了,发现备份文件是加密的,密钥找不到了;或者备份文件存储在同一个磁盘分区上,主库磁盘满了,备份也跟着写不进去。这些事,只有通过定期恢复演练才能暴露出来。建议每季度至少做一次全流程恢复演练,找一个测试环境,把最新的备份恢复上去,然后启动几个核心查询,验证数据完整性和业务可用性。这个过程虽然占时间,但真到了生产事故那天,你会发现,所有在演练中踩过的坑,都会变成你救火时的肌肉记忆。MySQL备份与恢复,听起来是个技术活,实际上是个责任心加细节控的活。你备份的不是数据,是公司上下几百号人的睡眠质量,还有你自己的。


