災難復原規劃指南

Last reviewed 2024-07-05 UTC

本文件是系列文章的第一部分,探討 Google Cloud中的災難復原 (DR)。本單元提供 DR 規劃程序總覽:設計和實作 DR 計畫需要瞭解的概念。後續部分將討論特定的災難復原用途,並提供 Google Cloud上的實作範例。

本系列文章包含以下部分:

讓服務中斷的事件隨時都會發生,您的網路可能會中斷,最新推送的應用程式可能出現重大錯誤,或者您可能面臨天災威脅。運作上出了差錯的時候,您就需要一套健全可靠、針對特定目的制定且經過全面測試的 DR 計劃。

有了經過精心設計和全面測試的 DR 計劃,您就可以確保災難發生時對企業的財務不會造成太大的影響。無論您的 DR 需求為何, Google Cloud 都提供強大、靈活且符合成本效益的產品和功能,可讓您建構或強化適合自己的解決方案。

DR 規劃的基本概念

災難復原是營運持續計畫的一部分。DR 規劃始於業務影響分析,這項分析會定義兩項重要指標:

  • 復原時間目標 (RTO):應用程式可離線的最長可接受時間。這個值通常是更廣泛的服務水準協議 (SLA) 的一部分。
  • 復原點目標 (RPO):應用程式因重大事件而可能遺失資料的可接受時間長度上限。這個指標會隨著資料的使用方式而改變。例如,經常修改的使用者資料可能只有幾分鐘的 RPO。相反的,較不重要、不常修改的資料則可能有幾小時的 RPO (這個指標只說明時間長度,不處理遺失資料的數量或品質)。

一般來說,RTO 和 RPO 的值愈小 (亦即,應用程式必須更快從中斷事件中復原),應用程式的執行費用就愈高。下圖顯示費用對 RTO/RPO 的比率。

圖表顯示低 RTO/RPO 對應到高成本。

因為 RTO 和 RPO 值愈小通常代表複雜性愈高,所以相關的管理負擔也會有類似的曲線。高可用性應用程式可能需要您管理兩個實體獨立的資料中心之間的流量分配、管理複製作業及其他。

RTO 和 RPO 值通常會匯總至另一個指標:服務水準目標 (SLO),這是 SLA 的重要可評估元素。SLA 和 SLO 經常混為一談。SLA 是完整的協議,指定協議方要提供哪些服務、支援的方式、時間、位置、費用、效能、懲罰及責任。SLO 是 SLA 的專屬可測量特性,例如可用性、總處理量、頻率、回應時間或品質。一個 SLA 可以含有許多 SLO。RTO 和 RPO 都是可測量的指標,應被視為 SLO。

如要進一步瞭解服務等級目標和服務水準協議,請參閱 Google 網站可靠性工程書籍。

您也可能正在規劃高可用性 (HA) 架構。高可用性與災難復原並非完全重疊,但在考量 RTO 和 RPO 值時,通常必須將高可用性納入考量。高可用性有助於確保作業效能達到約定水準 (通常是運作時間),且持續時間比一般情況更長。在Google Cloud上執行正式版工作負載時,您可能會使用全球分散式系統,這樣一來,即使某個區域發生問題,應用程式仍可繼續提供服務,即使可用性較低也沒關係。基本上,該應用程式會叫用其 DR 計劃。

為什麼 Google Cloud?

Google Cloud 與在地端部署環境滿足 RTO 和 RPO 需求相比,可大幅降低與 RTO 和 RPO 相關的成本。舉例來說,DR 規劃需要考量多項需求,包括:

  • 容量:確保需要時有足夠的資源可以調度。
  • 安全措施:提供保護資產的實體安全措施。
  • 網路基礎架構:包括防火牆及負載平衡器之類的軟體元件。
  • 支援服務:讓有空且技巧純熟的技術人員負責維護作業並解決相關問題。
  • 頻寬:為尖峰負載規劃適合的頻寬。
  • 設施:確保實體基礎架構,包括設備和電力。

Google Cloud 在世界級的正式環境平台上提供高度代管的解決方案,協助您避開大部分或所有複雜因素,並在過程中消除許多業務成本。此外, Google Cloud著重於簡化管理作業,因此管理複雜應用程式的成本也會降低。

Google Cloud 提供多項與災難復原規劃相關的功能,包括:

  • 全球網路。Google 擁有全球最大且最先進的電腦網路。Google 的骨幹網路採用先進的軟體定義網路技術和邊緣快取服務,可提供迅速、穩定且可擴充的處理效能。
  • 備援功能。全球設有多個網路連接點 (PoP),表示可以提供完善的備援機制。您的資料會自動備份到多個位置的儲存裝置。
  • 擴充性。 Google Cloud 的設計與其他 Google 產品 (例如搜尋和 Gmail) 一樣,可彈性擴充,即使流量大幅增加,也能輕鬆應對。Cloud Run、Compute Engine 和 Firestore 等代管服務可自動調度資源,讓應用程式視需要擴充或縮減。
  • 安全性。Google 安全模型奠基於數十年的經驗,協助客戶在 Gmail 和 Google Workspace 等 Google 應用程式中保持安全。此外,Google 的網站可靠性工程團隊也會協助確保高可用性,並防止平台資源遭到濫用。
  • 法規遵循。Google 會定期接受獨立第三方稽核,確保 Google Cloud 符合安全性、隱私權和法規遵循法規及最佳做法。 Google Cloud符合 ISO 27001、SOC 2/3 和 PCI DSS 3.0 等認證。

DR 模式

DR 模式分成冷、暖和熱模式,表示發生問題時系統復原的準備程度。好比是您在開車時若遇到汽車輪胎被刺破會採取哪些措施。

如何處理爆胎視您的準備程度而定:

  • 冷:您沒有備胎,所以必須聯絡某人,請他帶新輪胎給您,然後更換輪胎。您的行程會因此停止,直到某人抵達完成維修才能繼續。
  • 暖:您有備胎和更換套件,所以可使用車內現有的工具維修後再次啟程。但您還是必須停下行程來修正問題。
  • 熱:您使用的是失壓續跑胎。您可能需要降低車速,但對行程不會造成立即影響。輪胎仍可繼續運作,您可以繼續開車 (雖然您最終還是要解決這個問題)。

建立詳細的 DR 計劃

本節提供如何建立 DR 計劃的相關建議。

依據您的復原目標進行設計

設計 DR 計劃時,您必須結合應用程式與資料復原技術,並瞭解整體狀況。如果要這麼做,您通常必須查看 RTO 和 RPO 值,決定您要採用哪一種 DR 模式才能配合這些值。例如,如果是記錄型法規遵循導向的資料,您大概不需要快速存取資料,所以適合使用大的 RTO 值和冷 DR 模式。不過,如果線上服務中斷,您會希望盡快復原資料和應用程式面向使用者的部分。在此情況下可能更適合使用熱模式。電子郵件通知系統通常不是關鍵業務功能,或許可以使用暖模式。

如需使用 Google Cloud 處理常見災難復原情境的指引,請參閱應用程式復原情境。這些情境針對各種用途提供專屬的 DR 策略,並提供Google Cloud 的實作範例。

設計端對端復原

只有備份或封存資料的計劃並不夠,您還要確定您的 DR 計劃能夠處理從備份、復原到清除的完整復原程序才行。如需詳細說明,請參閱 DR 資料及復原的相關文件。

明確定義工作

執行 DR 計劃時,您不會想猜測每個步驟的意義。請讓 DR 計劃中的每一個工作包含一或多個具體、明確的指令或動作。例如,「執行復原指令碼」過於籠統,相較之下,「開啟殼層並執行 /home/example/restore.sh」則精確且具體。

實作控管措施

新增控制項以防止災難發生,並在問題發生之前先偵測到這個問題。例如新增監控程式以在執行破壞資料的流程時傳送快訊,例如刪除管道、出現非預期的尖蜂或其他不尋常的活動。這個監控程式也可以在達到特定刪除門檻時終止管道程序,避免發生災難狀況。

準備軟體

DR 計劃中有一部分是要確保您使用的軟體已準備好處理復原事件。

確認您可以安裝軟體

確定您可以從來源或從預先設定的映像檔安裝您的應用程式軟體。請確認您已取得適當授權,可將軟體部署至 Google Cloud。如需相關指引,請洽詢軟體供應商。

確認復原環境中有必要的 Compute Engine 資源。這可能需要預先分配或預留執行個體。

設計用於復原的持續部署作業

您的持續部署 (CD) 工具集是部署應用程式時不可或缺的元件。做為復原計劃的一部分,您必須考慮要在復原的環境中的哪個位置部署成果。請規劃您要託管 CD 環境和成果的位置;萬一發生災難,CD 環境和成果必須可以使用且能正常運作。

實作安全措施和法規遵循控管

設計 DR 計劃時,安全措施非常重要。正式環境中的控管機制,也必須套用至復原環境。也必須套用法規遵循規範。

為災難復原和正式環境設定相同的安全性

請確認網路控制項提供的分隔和封鎖功能,與來源正式環境使用的功能相同。瞭解如何設定共用虛擬私有雲和防火牆,以便集中管理部署作業的網路和安全性、設定子網路,以及控管傳入和傳出流量。瞭解如何使用服務帳戶,為存取 Google Cloud API 的應用程式實施最小權限原則。請務必在防火牆規則中使用服務帳戶。

請務必授予使用者與來源正式環境相同的災難復原環境存取權。下列清單列出在環境之間同步權限的方法:

  • 如果正式環境是 Google Cloud,在災難復原環境中複製 IAM 政策就很簡單。您可以使用 IaC 工具 (例如 Terraform),將 IAM 政策部署至正式環境。然後,在驗證 DR 環境的過程中,使用相同的工具將政策繫結到 DR 環境中的對應資源。

  • 如果正式環境位於地端部署,您會將網路管理員和稽核者等功能角色,對應至具有適當 IAM 角色的 IAM 政策。IAM 說明文件提供一些功能角色設定範例,例如建立網路和稽核記錄功能角色的說明文件。

  • 您必須設定 IAM 政策,授予產品適當權限。例如,您可以限制只能存取特定的 Cloud Storage 值區。

  • 如果正式環境是其他雲端服務供應商,請將其他供應商 IAM 政策中的權限對應至 Google Cloud IAM 政策。

確認 DR 安全性

設定 DR 環境的權限後,請確定您已測試所有功能。請建立測試環境。確認您授予使用者的權限與使用者在地端部署環境中的權限相符。

確認使用者可以存取災難復原環境

請務必在災難發生前,確認使用者可以存取災難復原環境。請確定您已將適當的存取權授予使用者、開發人員、操作者、數據資料學家、安全管理員、網路管理員及您機構組織中的其他角色。如果您使用其他身分識別系統,請確定這個系統中的帳戶與您的 Cloud Identity 帳戶同步。由於 DR 環境會暫時成為正式環境,請讓需要存取 DR 環境的使用者登入,並解決所有驗證問題。在實施定期 DR 測試時,納入登入 DR 環境的使用者。

如要集中管理哪些人具備已啟動虛擬機器 (VM) 的管理員權限,請在構成災難復原環境的 Google Cloud 專案上啟用 OS 登入功能。

訓練使用者

使用者必須瞭解如何在 Google Cloud 中執行他們在正式環境中習慣執行的動作,例如登入及存取 VM。在測試環境中,訓練使用者如何執行這些工作,同時維護系統安全。

確定 DR 環境符合法規遵循需求

請確認 DR 環境的存取權僅限於需要存取權限的使用者。請確認 PII 資料經過遮蓋和加密。如果您定期對正式環境執行滲透測試,則應將災難復原環境納入測試範圍,並透過建立災難復原環境來定期執行測試。

請確保在 DR 環境運作期間,您收集的所有記錄都會回填至正式環境的記錄封存檔。同樣地,請確保在 DR 環境中,您可以將透過 Cloud Logging 收集的稽核記錄匯出至主要記錄檔接收器封存檔。使用匯出接收器。針對應用程式記錄,請建立地端部署記錄和監控環境的鏡像。如果正式環境是其他雲端服務供應商,請將該供應商的記錄和監控功能對應至同等的 Google Cloud 服務。制定流程,將輸入內容格式化,再傳入正式環境。

將已復原的資料視為實際工作環境資料

請確定套用到實際工作環境資料的安全控管也套用於已復原的資料;您應套用相同的權限、加密和稽核需求。

請瞭解備份的位置及有權復原資料的使用者。請確定您的復原程序是可稽核的;在災難復原後,請確定您可以看到之前存取備份資料的使用者以及執行復原作業的使用者。

確定 DR 計劃可行

確保災難發生時,DR 計畫能如預期運作。

維護一個以上的資料復原路徑

發生災難時,您與 Google Cloud 的連線方法可能會無法使用。請實作其他存取Google Cloud 的方式,確保能將資料轉移至Google Cloud。定期測試備份路徑是否正常運作。

定期測試計劃

建立 DR 計畫後,請定期測試,記下出現的問題,並據此調整計畫。使用 Google Cloud,您就能以最低成本測試復原情境。建議您採用以下方法,協助進行測試:

  • 自動佈建基礎架構。您可以使用 Terraform 等 IaC 工具,自動佈建 Google Cloud基礎架構。如果您是在地端部署環境執行正式環境,請務必設定監控程序,以便在偵測到故障時啟動災難復原程序,並觸發適當的復原動作。
  • 使用 Google Cloud Observability 監控環境。 Google Cloud 提供出色的記錄和監控工具,您可以透過 API 呼叫存取這些工具,根據指標做出反應,自動部署復原情境。設計測試時,請確定您已設定適當的監控和快訊,可以觸發適當的復原動作。
  • 執行先前所述的測試:

    • 測試 DR 環境中的權限和使用者存取權,確保其運作方式與正式環境相同。
    • 對 DR 環境執行滲透測試。
    • 進行測試,模擬 Google Cloud的一般存取路徑無法運作。

後續步驟

貢獻者

作者: