上了云之后,很多人以为"云=高可用",于是把数据只放在一个可用区、一个区域里。可云的数据中心也会出问题:区域级网络故障、机房电力事件、甚至操作失误把整个区域的服务删掉。云平台的高可用通常只保证"可用区级"的多副本,跨区域容灾仍然要你自己设计。本文讲一套可落地的跨区域容灾思路:把备份复制到另一区域、用 DNS 或负载均衡做流量切换、并定期做恢复验证。
内容面向使用云服务器建站或跑业务的中小团队,按"复制 → 切换 → 验证"三段展开,给出对象存储跨区域复制、rsync 异地同步、DNS 切换等实际做法。涉及切换和恢复的高危操作都会给风险提示与回滚方式。文中不涉及具体厂商报价或型号,统一用"主流云厂商"表述。
核心原则先讲清楚:跨区域容灾的目标不是"永不中断",而是"区域级灾难时能用可接受的时间和可接受的数据损失恢复业务"。所以要先定 RTO/RPO,再决定复制频率和切换方式,而不是反过来。
为什么云上还需要跨区域容灾
云平台的高可用有其边界。典型的多副本机制通常在同一区域的多个可用区之间做冗余:一块盘坏了、一台宿主机挂了、一个可用区网络抖动,业务大体不受影响。但这只覆盖"局部故障"。
区域级故障是另一回事:某个区域整体出现网络中断、供电或冷却异常,或者管理员误操作删掉整个区域的关键资源。这时同一区域内的所有副本可能一起受影响。跨区域容灾要解决的就是"整个区域不可用时怎么办"。
从数据维度看,跨区域容灾至少要保证:有异地可用的数据副本(备份或复制),以及能在另一区域快速拉起能对外服务的环境。前者靠备份复制,后者靠可快速重建的镜像/脚本和流量切换。
| 容灾级别 | 数据副本范围 | 恢复能力 | 成本 |
|---|---|---|---|
| 同区域多可用区 | 同区域内 | 可用区级故障 | 低(云默认) |
| 跨区域备份 | 异区域有备份 | 数据可恢复,需重建环境 | 中 |
| 跨区域热备 | 异区域有运行环境 | 分钟级切换 | 高 |
| 多云/多活 | 多平台多区域 | 接近连续可用 | 很高 |
对多数中小业务,"跨区域备份 + 可快速重建"已经能覆盖绝大多数风险,成本也最可控。
第一步:跨区域备份复制
数据是容灾的根。跨区域复制有几种常见做法,按数据形态选择。
对象存储跨区域复制:主流云厂商的对象存储都支持跨区域复制(CRR),把源桶的写入自动同步到异区域的目标桶。配置通常在控制台开启,并建议同时开启版本控制,防止源端误删同步到目标端。由于各厂商控制台和 API 不同,具体步骤请以官方文档为准;这里只强调两点:开启版本控制、把复制规则限定到需要保护的桶。
服务器/数据库文件用命令行同步:对自建在云主机上的数据,可以用 rsync 主动推到异区域主机,或用 rclone、对象存储 CLI 上传到异区域。下面给出 rsync 推送到异区域主机的示例:
# 生成专用密钥并配置免密登录到异区域主机
ssh-keygen -t ed25519 -N '' -f /root/.ssh/dr_key
ssh-copy-id -i /root/.ssh/dr_key.pub druser@dr.example.com
# 每天把备份目录同步到异区域,限速避免占用业务带宽
rsync -az --partial --delete --bwlimit=5000 \
-e "ssh -i /root/.ssh/dr_key -p 22" \
/backup/ druser@dr.example.com:/dr/backup/
注意 --delete 会让目标端与源端保持一致:如果源端备份被误删,目标端也会跟着删。跨区域容灾恰恰要防止这种"错误同步",所以更稳妥的是"只追加不删除",或用带版本/快照的目标端,让历史副本不可变。
# 更稳妥:不删除,只追加,保留历史副本
rsync -az --partial --bwlimit=5000 \
-e "ssh -i /root/.ssh/dr_key" \
/backup/ druser@dr.example.com:/dr/backup/
带宽估算:假设每天增量压缩后 30GB,异区域链路可用 50Mbps(约 6MB/s),传输约需 1.5 小时,放在凌晨执行即可,这些是经验值,请以实测为准。
第二步:环境重建与流量切换
数据复制过去只是"有料",还得能"起锅"。跨区域容灾要提前准备可快速重建环境的资产:
- 机器镜像:把生产机的系统盘做成自定义镜像,必要时在异区域用它快速拉起新机。
- 基础设施即代码:用脚本或模板描述网络、安全组、负载均衡、数据库等,避免手工配置漏项。
- 配置与密钥:Nginx 配置、证书、应用环境变量、数据库账号,都要有一份可用于异区域的副本(注意密钥安全存放)。
流量切换最常用的是 DNS。做法是给站点配置一个指向负载均衡或主机 IP 的记录,区域故障时改指向异区域地址。DNS 切换的恢复速度受 TTL 影响:TTL 越大,解析缓存越久,切换越慢。建议把关键域名的 TTL 设为 60~300 秒,兼顾切换速度和解析压力。
# 用命令行工具修改解析(具体命令因厂商而异,以下为通用示意,请以厂商 CLI 文档为准)
# 查询当前解析
dig +short www.example.com
# 更新记录指向异区域 IP,并把 TTL 调小
# 具体参数请参考所用云厂商的 CLI 帮助
如果用了负载均衡或全局流量管理,可配置主备地址组或基于健康检查的故障转移,把切换从"人工改 DNS"变成"自动或一键切换"。能力因厂商而异,选型时重点看:是否支持健康检查、是否支持主备/权重切换、切换生效时间。
切换后要验证的东西包括:DNS 是否已生效、新区域机器能否访问数据库、证书是否有效、会话/登录是否正常。切换本身不复杂,难点在于"切过去之后业务真的能跑"。
第三步:恢复验证
跨区域容灾最容易被跳过、也最不能跳过的环节,是恢复验证。没有验证的容灾方案,在真实灾难中失效的概率很高。
验证分三层:
数据层验证:确认异区域备份完整且可用。对文件做哈希校验,对数据库做一次导入测试。
# 在异区域测试机校验备份并测试可解压
sha256sum -c /dr/backup/db-2027-01-04.sql.gz.sha256
gzip -t /dr/backup/db-2027-01-04.sql.gz && echo "压缩流完整"
服务层验证:在异区域用镜像或脚本拉起一套环境,恢复数据并启动服务,访问健康检查接口确认可用。
# 恢复数据库到异区域测试实例(注意:确认目标是测试实例,别覆盖生产)
gunzip -c /dr/backup/db-2027-01-04.sql.gz | mysql -h 10.0.1.20 -u root -p
# 启动应用并做健康检查
systemctl start myapp && curl -sf http://127.0.0.1:8080/health && echo "服务健康"
切换演练:把 DNS 或负载均衡临时指向异区域,观察业务是否正常,再切回。这一步风险最高,必须在低峰窗口、有回滚预案时进行。
风险提示:任何恢复操作都先从测试实例/隔离环境开始,恢复前先验证备份可用;切换演练务必可回滚(保留切回主区域的步骤),并在演练前通知相关方。
RTO、RPO 与成本权衡
跨区域容灾的成本主要来自三块:异区域副本的存储成本、跨区域数据传输成本、以及异区域常开的计算资源。前两者通常可接受,第三块是"要不要热备"的分水岭。
- 只保留跨区域备份、故障时再拉起环境:成本低,RTO 从小时到天,RPO 取决于备份频率。
- 异区域保持最小规模运行环境:成本中等,RTO 缩短到分钟到小时级。
- 异区域完整热备:成本高,RTO 可到分钟级甚至更低。
给中小团队的常见建议:核心数据做跨区域备份(保证不丢),应用环境做成可一键重建(保证能起),并按季度演练一次(保证能用)。这样在成本可控的前提下,覆盖了绝大多数区域级风险。具体 RTO/RPO 数字需与业务方确认,本文给出的只是常见经验区间。
常见问题
Q1:同区域多可用区够用吗?
能覆盖可用区级故障,覆盖不了区域级故障。是否要跨区域,取决于业务能否接受区域整体中断。
Q2:跨区域复制会不会有延迟?
会有,异步复制通常秒级到分钟级延迟。要缩小 RPO,需要提高复制频率或采用同步复制(代价是写延迟增加)。
Q3:DNS 切换要注意什么?
注意 TTL。TTL 太大会导致切换慢,太小会增加解析压力。关键域名设 60~300 秒较常见。
Q4:跨区域要不要用不同的云厂商?
跨区域已能覆盖大多数区域故障;若担心单厂商整体风险,可考虑多云,但复杂度与成本显著上升。
Q5:怎么证明容灾方案真的有效?
定期在异区域真实恢复并切换一次,记录 RTO 实测值和数据完整性。只配置不演练,等于没有容灾。
总结
- 云平台的高可用多为可用区级,区域级灾难需要自己设计跨区域容灾。
- 数据侧用对象存储跨区域复制或 rsync 同步,优先"只追加不删除"或版本化,防止错误同步删掉副本。
- 环境侧提前准备镜像、IaC 脚本和配置副本,做到能快速在异区域重建服务。
- 流量侧用 DNS 或全局负载均衡切换,TTL 设 60~300 秒,切换后务必验证业务可用。
- 容灾成本随 RTO 要求上升,按业务选定级别,并定期做真实恢复与切换演练,RTO/RPO 以实测为准。
企业QQ咨询




