【系统架构设计百科】容灾架构：多活与灾备设计
💡
原文中文，约14100字，阅读约需34分钟。
📝
内容提要
2021年10月，Facebook因BGP配置错误宕机超过6小时，损失超1亿美元。2023年阿里云和2024年CrowdStrike也发生类似故障。文章探讨容灾架构的核心概念，包括恢复点目标（RPO）、恢复时间目标（RTO）和恢复成本目标（RCO），分析不同容灾等级的特点与适用场景，如冷备、温备、热备、同城双活和异地多活。强调选择容灾方案需平衡业务价值与技术成本，定期演练是确保方案有效性的关键。
🎯
关键要点
- 2021年10月，Facebook因BGP配置错误宕机超过6小时，损失超1亿美元。
- 2023年阿里云和2024年CrowdStrike也发生类似故障，影响数千家企业客户。
- 容灾架构的核心目标是控制业务影响，确保在故障发生时业务能够继续运行。
- 容灾方案的选择需平衡业务价值与技术成本，定期演练是确保方案有效性的关键。
- 容灾等级分为冷备、温备、热备、同城双活和异地多活，各自的RPO、RTO和成本不同。
- RPO（恢复点目标）和RTO（恢复时间目标）是评估容灾方案的重要指标，RCO（恢复成本目标）也需考虑。
- 同城双活架构适用于金融行业，能够应对单机房级别的故障，但无法应对城市级灾难。
- 两地三中心架构是金融行业推荐的容灾模式，能够在同城和异地之间进行切换。
- 异地多活架构是容灾的终极形态，每个数据中心都在同时处理真实业务流量。
- 蚂蚁金服的LDC架构是异地多活的标杆案例，支持高并发的支付需求。
- 容灾架构的选择不是单纯的技术问题，而是业务风险管理的决策过程。
❓
延伸问答
容灾架构的核心目标是什么？
容灾架构的核心目标是控制业务影响，确保在故障发生时业务能够继续运行。
RPO和RTO分别代表什么？
RPO（恢复点目标）表示能容忍丢失的数据时间窗口，RTO（恢复时间目标）表示从故障发生到业务恢复正常的最长时间。
同城双活架构适用于哪些场景？
同城双活架构适用于金融行业，能够应对单机房级别的故障，但无法应对城市级灾难。
异地多活架构的特点是什么？
异地多活架构是容灾的终极形态，每个数据中心都在同时处理真实业务流量，具有高可用性和复杂的架构。
选择容灾方案时需要考虑哪些因素？
选择容灾方案需平衡业务价值与技术成本，同时考虑定期演练以确保方案的有效性。
容灾等级有哪些，分别有什么特点？
容灾等级包括冷备、温备、热备、同城双活和异地多活，各自的RPO、RTO和成本不同，适用场景也各异。
➡️
