你如何在 AWS 上处理灾难恢复？

Question

你如何在 AWS 上处理灾难恢复？

Accepted Answer

**Disaster recovery (DR)** 是规划在重大故障或灾难后如何恢复系统和数据的方法。AWS 提供具有不同权衡的 DR 策略，涉及 **恢复速度**、**数据丢失** 和 **成本** — 由 RTO 和 RPO 目标定义。

## 关键概念：RTO 和 RPO

```text
RTO (Recovery Time Objective) → how QUICKLY you must recover (acceptable downtime)
RPO (Recovery Point Objective) → how much DATA LOSS is acceptable (recover to how
  recent a point — e.g. "at most 5 minutes of data lost")
→ Lower RTO/RPO (faster recovery, less data loss) = higher cost/complexity.
  Define these based on business needs; they drive the DR strategy choice.
```

## DR 策略（成本 vs 恢复速度权衡）

```text
1. BACKUP & RESTORE → back up data (to S3, snapshots); restore after a disaster
   → cheapest; slowest recovery (hours); higher RPO. For tolerant workloads.
2. PILOT LIGHT → core systems (e.g. database, replicated) kept minimal/ready;
   scale up the rest on disaster → moderate cost, faster recovery
3. WARM STANDBY → a scaled-down but RUNNING copy in another region; scale up on failover
   → higher cost, fast recovery (minutes)
4. MULTI-SITE ACTIVE-ACTIVE → full running copies in multiple regions serving traffic
   → highest cost/complexity; near-zero RTO/RPO. For the most critical systems.
```

## 实用的 DR 实践

```text
✓ Regular, tested BACKUPS (automated; cross-region copies; verify they restore!)
✓ Cross-REGION strategy for region-level disasters (DR often = another region)
✓ INFRASTRUCTURE AS CODE → recreate environments quickly/reliably
✓ TEST DR plans regularly (a plan never tested may fail when needed)
✓ Automate failover where possible; document runbooks
→ Match the strategy to the workload's RTO/RPO and budget.
```

## 为什么这很重要

理解灾难恢复是重要的高级知识，因为 **从重大故障恢复对业务关键系统至关重要**，而且 AWS DR 涉及重要的权衡，因此对于设计弹性系统很有价值。

DR 解决了一个现实情况，即可能会发生重大灾难（区域故障、数据损坏、灾难性错误），而且 **业务关键系统必须能够恢复** — 使 DR 规划对于停机时间或数据丢失会产生严重后果的系统至关重要。

理解 **RTO 和 RPO** 是基础性的：这些目标（你必须恢复的速度有多快，以及可接受多少数据丢失）**驱动 DR 策略**，并且必须根据业务需求定义 — 明确 DR 不是一刀切的，而是一种深思熟虑的平衡。

理解 **DR 策略** 及其 **成本与恢复速度的权衡** — 备份与恢复（最便宜，最慢）、试点灯（core 系统已就绪）、温备（缩小规模的运行副本，快速恢复）和多站点主动-主动（完整运行副本，接近零 RTO/RPO 但成本最高）— 是选择适当策略的关键知识：恢复目标要求越高，成本越高，因此策略必须与工作负载的关键性和预算相匹配。

理解 **实用的 DR 实践**（定期测试备份、用于区域级灾难的跨区域策略、用于快速环境重建的基础设施即代码，以及至关重要的 **测试 DR 计划** 因为未测试的计划在需要时往往会失败）反映了成熟的运营纪律。

由于从灾难恢复对关键系统至关重要，而且 DR 涉及必须与业务需求相匹配的实际权衡（恢复速度、数据丢失、成本），而且理解 RTO/RPO、DR 策略和实用实践能够设计适当的恢复能力，理解 AWS 上的灾难恢复是构建弹性系统的重要高级知识 — 这是运营业务关键工作负载的一个重要方面，反映了负责系统的高级角色所期望的风险管理和弹性规划成熟度，其中故障和数据丢失会产生严重后果。