使用NineData构建任意时间点(PITR)数据恢复能力

简介: 使用 NineData (www.ninedata.cloud/backup),快速简单的实现任意时间点数据恢复的能力。另外,NineData 推出的备份数据查询(全量、按时间点)和 数据变更轨迹查询 功能,也能很好的解决数据误删恢复的问题,有效保护企业的核心数据,为企业在数据安全上构筑起最后一道防线。

在当前数字化经济的时代下,数据成为企业的关键资产。但因数据误删、服务器故障、病毒入侵等原因导致数据丢失影响业务,会对公司造成重大损失,所以如何保证数据资产的安全、稳定及可用,是企业必须考虑的事情。

在日常工作中,数据被误删的原因有很多,如:误操作、程序bug、病毒等,也正因这样,时不时会传出某某公司数据被误删的新闻。如果数据被误删,需要将数据库恢复到事故发生前的那一刻,这个操作过程不仅复杂,还要依赖经验丰富的DBA来进行恢复。那如何能快速的进行任意时间点恢复(Point-in-time Recovery)呢?NineData 推出的 恢复方式(按时间点、备份集)很好的解决上面说的问题,在解放了DBA复杂的手动操作外,也不用担心“删库跑路”的事情发生。

1、任意时间点恢复

▋恢复流程

NineData 完成基于时间点恢复(PITR)的过程如下:

新增新的一个数据库实例,为恢复所用,也可以用本地实例(需要修改恢复的库名);
找到误删操作之前的最近一次全量备份,恢复到新实例;
回放全量备份之后的BINLOG,到误删操作之前的时间点为止。

2、如何使用指定时间点的恢复

▋环境说明

使用指定时间点恢复功能前,需要先使用 NineData 的备份功能,先备份出一个类型为「表结构+全量数据+日志数据」的备份集。假如您已经通过NineData 的备份功能完成了一个数据库的备份,那么只需要简单的几步,就可以完成指定时间点的恢复了。

  • 已有的备份集的备份类型:表结构+全量数据+日志数据

NineData 备份集的备份类型.png

NineData 备份集的备份类型

  • 假如用户数据库「backup_resotre_db」下有3张表「user_info、user_info_x、user_info_y」

NineData 备份恢复测试.png

NineData 备份恢复测试

▋恢复说明

  • 18:22分,用户把表「user_info」给DROP掉了(全量备份中该表只有1条记录,DROP的时候,该表有3条记录,有2条记录需要通过增量恢复),此时业务出现报错,需要紧急进行恢复。即使通过专业的DBA同学来进行恢复,也需要大量的手动操作进行全量+增量恢复,如果在进行增量恢复期间遇到解析binlog异常(如字符集报错),还会浪费更多的时间处理,导致RTO时间不可控。如果使用NineData的指定时间点恢复能力,那么只需要简单的几步,就可以完成指定时间点的恢复了。

a. 创建恢复任务

NineData 创建恢复任务.png

NineData 创建恢复任务

按照要求,先选择要恢复的源数据实例和备份任务,然后再选择恢复到的时间点(执行DROP操作前的时间)。

b. 选择要恢复的对象,可以恢复整个库,也可以选择恢复被DROP的表。

NineData 恢复的对象.png

NineData 恢复的对象

c. 选择要恢复到哪个目标数据库,可以是新数据源,也可以是当前的数据源(需要修改恢复后的数据库名)。

NineData 选择要恢复到哪个目标数据库.png

NineData 选择要恢复到哪个目标数据库

d. 预检查步骤中会进行相关的字符集、大小写敏感、时区等关键项目的检查,确保恢复正常。

NineData 预检查.png

NineData 预检查

e. 启动任务后,可以看到任务的相关信息,直到任务完成。

NineData 启动数据恢复任务.png

NineData 启动数据恢复任务

f. 数据恢复完成。

使用NineData完成数据恢复.png

使用NineData完成数据恢复

通过上面对「任意时间点恢复」的说明,可以看到在 NineData 上简简单单的几步操作,就能轻松的实现数据任意时间点恢复的能力。在减少RTO的同时,也缩短了运维人员处理数据恢复的时间,最终保护了企业的核心数据。

小结

通过这篇介绍,可以了解到如何使用 NineData (www.ninedata.cloud/backup),快速简单的实现任意时间点数据恢复的能力。另外,NineData 推出的备份数据查询(全量、按时间点)和 数据变更轨迹查询 功能,也能很好的解决数据误删恢复的问题,有效保护企业的核心数据,为企业在数据安全上构筑起最后一道防线。

目录
相关文章
|
SQL 监控 关系型数据库
MySQL怎么全局把一张表的数据回滚
MySQL怎么全局把一张表的数据回滚
1220 2
|
数据安全/隐私保护
「域渗透」域账户的几种攻击方式
「域渗透」域账户的几种攻击方式
|
9月前
|
机器学习/深度学习 自然语言处理 计算机视觉
RT-DETR改进策略【Backbone/主干网络】| CVPR 2024 替换骨干网络为 RMT,增强空间信息的感知能力
RT-DETR改进策略【Backbone/主干网络】| CVPR 2024 替换骨干网络为 RMT,增强空间信息的感知能力
387 13
RT-DETR改进策略【Backbone/主干网络】| CVPR 2024 替换骨干网络为 RMT,增强空间信息的感知能力
|
11月前
|
网络协议 安全 Linux
Linux剪裁探索初探
本文深入探讨了Linux剪裁的概念、方法、实践及其好处。Linux剪裁通过移除内核中不必要的模块和功能,减小内核大小、优化系统性能并提升安全性,特别适用于资源受限的设备和特定用途的服务器。文章详细介绍了配置内核选项、模块化和使用工具辅助剪裁的方法,并提供了一个实践示例,最后讨论了剪裁的好处与挑战。
267 15
|
小程序 数据可视化 前端开发
个人开发者可视化开发自己的微信小程序
个人开发者可视化开发自己的微信小程序
555 5
|
缓存 NoSQL 关系型数据库
|
数据采集 存储 JavaScript
如何利用 Puppeteer 的 Evaluate 函数操作网页数据
本文介绍如何使用Puppeteer结合代理IP技术,高效采集界面新闻等网站的文章标题和摘要。通过`evaluate`函数操作DOM,配合代理IP实现稳定的数据抓取。
222 0
|
人工智能 云栖大会
AI Infra的前沿技术与应用实践 | 2024云栖大会预告
AI Infra的前沿技术与应用实践 | 2024云栖大会
|
机器学习/深度学习 计算机视觉
【YOLOv10改进-注意力机制】 MSDA:多尺度空洞注意力 (论文笔记+引入代码)
YOLO目标检测专栏探讨了ViT的改进,提出DilateFormer,它结合多尺度扩张注意力(MSDA)来平衡计算效率和关注域大小。MSDA利用局部稀疏交互减少冗余,通过不同头部的扩张率捕获多尺度特征。DilateFormer在保持高性能的同时,计算成本降低70%,在ImageNet-1K、COCO和ADE20K任务上取得领先结果。YOLOv8引入了MultiDilatelocalAttention模块,用于实现膨胀注意力。更多详情及配置见相关链接。
|
Java 调度
服务器常见问题排查(一)——cpu占用高、上下文频繁切换、频繁GC
文章主要讨论了服务器中常见性能问题的一些排查思路,这篇文章主要讨论了CPU负载过高,频繁GC和频繁切换上线文这三个问题。
2002 0
服务器常见问题排查(一)——cpu占用高、上下文频繁切换、频繁GC