查看原文
其他

顺丰被删库?半个DBA的跑路经验总结

来源 | 大舒的博客 | 作者 | 大舒

原文:https://segmentfault.com/a/1190000013452143

前不久顺丰又搞出一个热门:运维误删库事件!

看看有没有什么后路好走啊哥们~

0. 国内呆不下了,赶紧出国

首先,不要选动车,要选最近的一班飞机,尽快出国,能走高速走高速,不然选人少的路线。

没错,我们 DBA 都是常备护照的。

切记,注意看高德地图实时路况。

我们有个前辈就是删库之后开车就上二环,下午五点钟。警察到的时候他还堵在路上。

1. 只不过是把数据干掉了

权限问题永远是大问题,做好权限回收,开发数据库和线上数据库分离,线上数据库管理权限(一般指修改表结构权限与删表权限)禁止回收,也不提供给业务直接用。

不然参考 0。

公司管理上,最好有自己的 DB 运维产品,线上数据库只允许查,改的话要有审批流程。

至于查数据要不要脱敏、导入导出流程,就看自己产品的规划和排期了。

至于 DBA 怎么保证不手滑,这个每个人有每个人的习惯。

2. 删库什么的都是小 case

清理数据库之前一定要检查进程,是否存在数据库进程,如果存在则宁愿不搞也不要深夜搞。

公司清理数据库要有下线流程。下线一定要走流程。宁愿多租几天机房也不要丢掉数据。

不然参考 0。

原则是:

rm 文件之前先检查进程是否存在。

绝不手工 drop 库表,如果非要 drop,则应该写成 rename,truncate 也是类似,写成 rename 和 create table like 两条 sql。

删表之前可以根据表文件的最后修改时间进行再次确认,不确认就找人 review,有下线流程则走下线流程。

3. 备份,备份,备在何处?

冷备,热备都要有,一定要每天一备。

冷备便是应对这种情况。

公司应该有自己的 DB 备份方案,并且保证执行到位。

4. 人算不如天算

   

关于这一点,可以单独拉一个大专题出来了,核心内容是 mysql 高可用。

简单起见,推荐这篇文章:避免硬件故障的核心解决方案是冗余。

硬件层面的 raid,软件层面的主从、热备都是为了保证某一个节点宕机,其他节点仍然能继续工作。

所有库都要有主从备份,一方面做读写分离,一方面也是为了备份、高可用。

即便有半同步复制,有些极端情况下可以认为,mysql binlog 没有同步到从库上,仍然可能存在 binlog 丢失(数据丢失)的风险。

所以应对这点,比较好的开源解决方案有 2:TiDB 和 Mysql GR。

5. 升级也能失败?

说起来很简单,升级无非是:

准备升级

过程原理

手工升级后拓扑:

工具(mha)升级后拓扑:

6. 操作之前有个流程

一般自己操作的时候,都不会有太多的顾忌。

但是要是拿给别人看,就要考虑一下了。

如果别人不只要看,还要 review,那这样就比较难犯重大的错误了。

如果有些操作需要夜间一个人搞,那么一定要提前列好准备,这个就比较正式了。

包括:

1. 梳理具体的执行步骤、执行命令和每个步骤的预计结果。

2. 如果某些步骤出错,是否要求回滚、预先制定回滚方案。

3. 详细记录执行记录,每一步都要有反馈。

4. 事先梳理好收尾工作。

5. 强关联业务要事先通知,考虑到时间段和别的业务高峰,尽量让对方也安排人留守观察。

6. 一定要严格按照步骤来进行操作。宁愿延期,不要加戏。

7. 留几个问题

1. 如果你有机会进行 mysql 迁移和升级工作,你认为无法写入数据造成的影响大,还是写入脏数据造成的影响大?

2. 如果数据库挂了,机器可以启动但是 mysql 进程无法启动,你这里又有昨天的备份可以恢复,你该怎么做?

3.想要删库完全不出问题,那么删库流程该怎么设计?

好了,公司还是要有自己的 DB 产品,再简陋也要有。

推荐阅读

墙裂推荐|国庆去哪儿??(内有彩蛋)

我不敢休息,因为我没有存款

网红景点堵上热搜!稻城从白天塞到黑夜,厕所几百人排队…

天天在讲的 NoSQL 数据库到底是个什么鬼?

容器技术|Docker三剑客之docker-swarm

史上最详细、最全面的Hadoop环境搭建

MySQL太慢?试试这些诊断思路和工具

·end·

—写文不易,你的转发就是对我最大的支持—

我们一起愉快的玩耍吧

目前40000+人已关注加入我们

       

       

关注公众号点击菜单“微信群” 入群一起交流吧

喜欢,就扫码关注给它增加一个读者吧!

    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存