香港服务器被炸 企业级容灾与多点备份实施手册

1.

概述：为什么要做企业级容灾

① 香港机房集中导致单点风险高，发生故障或被炸（大流量攻击）可能造成业务中断。
② 容灾目标应明确：RTO（恢复时间目标）与RPO（恢复点目标）。示例：RTO ≤ 30 分钟，RPO ≤ 15 分钟。
③ 平衡成本与可用性：本地热备、异地冷备与云端归档三层策略。
④ 与域名/DNS结合：设置短TTL的DNS自动切换与健康检查。
⑤ 将CDN、Anycast与上游防护集成，减轻源站压力并提升全局可用性。

2.

风险评估与需求分析

① 识别关键资产：域名、证书、数据库、文件存储、API网关。
② 评估威胁模型：DDoS（体积/协议/应用层）、物理断电、网络中断。
③ 量化SLA需求：示例企业要求99.95%可用，允许月中断不超过21分钟。
④ 带宽与流量基线：监控正常峰值与异常放大倍数（如正常5Gbps，攻击可达500Gbps）。
⑤ 制定合规与保密要求，决定备份是否加密、是否跨境存储。

3.

多点备份与架构设计

① 主用节点（香港）+异地热备（新加坡/东京）+云归档（S3/Azure Blob）为推荐三层架构。
② 采用Anycast与CDN（如Cloudflare、Akamai）前置，减少源站直连请求。
③ 数据复制策略：主库同步到异地从库，关键日志实时复制，文件用对象存储异地复制（跨区复制）。
④ DNS和流量切换：使用健康探测与自动故障转移（如Route53/Alibaba DNS with failover）。
⑤ 负载均衡与会话粘性：使用LVS/HAProxy/Kubernetes ingress结合持久化存储。

4.

备份策略与具体数据示例

① 快照频率：数据库15分钟全增量，整机镜像每日一次，保留7天滚动。
② 异地备份份数：3 份（本地快照、近端异地、远端冷备）。
③ 备份加密与校验：AES-256 加密，SHA256 完整性校验。
④ 恢复演练：每月一次恢复演练，目标RTO ≤ 30 分钟。
⑤ 成本与存储示例：冷备对象存储按月结算，保留策略自动归档到低频/归档层。

5.

DDoS防御与网络防护实施细节

① 使用CDN/Anycast清洗流量，部署WAF过滤应用层攻击。
② 与带宽运营商/上游签署吸收策略，配置黑洞与流量重定向（BGP/RTBH）。
③ 阈值限制与速率限制：接口限流、连接限制、IP黑白名单。
④ 日志与告警：NetFlow/采样流量监测与自动告警。
⑤ 配合专业清洗中心（清洗能力示例：可承受至1Tbps以上峰值）进行紧急调度。

6.

真实案例与服务器配置举例

① 真实案例（化名HKPay，2024年3月）：遭受约500Gbps的混合型DDoS，源站带宽饱和。
② 处置过程：启用Cloudflare Spectrum + 上游清洗，切换流量到新加坡热备，恢复时间约20分钟。
③ 教训：未启用Anycast前源站直接暴露导致主机CPU与I/O高负载。
④ 恢复策略：将数据库切换到异地从库并回滚部分写入，最终数据损失小于15分钟（RPO 达标）。
⑤ 服务器配置示例（请参见下表）：

节点	配置	带宽	用途
香港主站	8 vCPU / 16GB RAM / 500GB NVMe	1 Gbps 公网	主库 + 应用
新加坡热备	4 vCPU / 8GB RAM / 250GB NVMe	500 Mbps	从库 + 读写切换
云归档	S3/Blob（生命周期归档）	按需	长期备份与合规存储

7.

演练、监控与持续优化

① 定期演练切换、恢复数据库与文件系统，记录RTO/RPO指标。
② 建立统一监控面板（Prometheus+Grafana）监测流量、延迟、错误率。
③ 按事件复盘：对每次“被炸”事件进行根因分析与补救。
④ 优化成本：根据流量与访问分布调整节点规模与冷备保留期。
⑤ 文档化与自动化：使用IaC（Terraform/Ansible）保证恢复步骤可重复执行。

来源：香港服务器被炸 企业级容灾与多点备份实施手册