最近，某SaaS服务商系统故障的消息持续刷屏，官方声明称系因内部核心运维人员恶意破坏所致。
“天灾人祸”，2020年IT领域的“黑天鹅”第一大案，着实令人唏嘘。
通常情况下，对于系统常见的故障企业一般都会有相应的应急预案。经此一役，类似“删库跑路”之类的极端操作将再度引发关注：如何从技术架构、保障方法、管理体系等角度“多管齐下”，避免此类事件的发生？
所谓“功夫再高，也怕菜刀”。人在家中坐，删库天上来。
快照、备份、CDM、CDP.......该有的手段可能都齐备，为什么故障发生后，系统仍长时间无法恢复？
还有一个问题需要思考：类似“系统所有数据库都需要重新部署”这样的极端罕见状况，你有相应的应急预案吗？
安全为王、数据为王、备份为王。经典的“3-2-1”法则（3个备份目的地，2种备份介质，至少1份offsite copy）放之四海皆准，在不同的位置、不同的云、不同的机房多存几份数据，成本并不会高企，却能在关键时刻“保命”。
数据是核心资产，数据没了，公司可能就黄了。在备份的基础上，企业还需有数据恢复验证机制，并且常规化地开展恢复测试，确保核心数据能够得到有效保护。
当然，现实情况可能是这些工具可能都是运维做的，磁盘也都是他管的，抹干净可能只需要一行代码。什么快照、备份、CDM、CDP......统统都没用。这种情况下，唯一有用的是：考虑“哪个东西是他碰不到的”。
在全面数据保护（IaaS|PaaS|SaaS）基础之上，强大稳定的灾备能力可以最大程度地保障业务连续性：
- 一键切换，灾备运维自动化
- 信号灯模式：日常无需启动云实例，降低云成本
- 融合灾备和备份：云下备份，一键即时云上拉起
现在，越来越多企业选择上云，其中一个重要原因也是看重其服务能力和应急体系。当然，和核心系统本地自建的混合应用模式一样，云也万万不能是那个“唯一的终点”。企业需要清楚认识到，数据保护的责任主体仍然是自己。
工具方法备好，企业仍然需要从业务韧性的角度出发，涉及内部架构、流程、管理体系、操作方法、应急机制等角度，通盘考虑，从各个维度都避免“将鸡蛋放在一个篮子里”的情况出现，才能尽可能地屏蔽各种潜在风险，减少损失。
什么是应急预案，这里列举一个Veritas碰到用户要求补充原来的灾难预案（流程）的真实案例：
新冠肺炎疫情尚未平息，如果核心运维人员因疑似或确诊而被隔离，系统又遭遇故障，雪上加霜怎么办？
极端情况下，生产数据中心大楼可能被封锁，人员被隔离。因此，IT需要提前准备足够带宽，确保人员可以远程拨入运维以及冗余机制。同时，如果生产系统发生故障，需要考虑在无人在场的情况下进行紧急单系统切换，对每个系统有相应的应急预案。确保相关人员在远程都有最新的应急预案，确认AB角的角色，人员互为备份。
“技术工具+方法论+最佳实践”指导下的业务连续性视角，才能真正意义上做到未雨绸缪，有备无患。
PS：听说，某大型制造业企业的核心系统的跨region云容灾项目已经有了眉目，相关工作正有条不紊进行中。
閱讀更多 數字化轉型那些事 的文章
