业务刚上线时,一台阿里云服务器往往够用。等网站开始处理订单、客户服务或内部协作,单机故障就可能让业务停摆。主备架构可以在主服务器异常时启用备用资源,减少中断时间。不过,多准备一台 ECS 并不等于做好了主备:数据怎么同步、流量怎么切换、原主机恢复后怎样回切,都要提前安排。
什么是阿里云服务器主备
主备通常由两台或多台云服务器承担不同角色。主服务器负责正常处理业务,备用服务器待命,或同时承担一部分工作;主机发生故障后,再由运维人员或自动化机制把流量切过去。
它和负载均衡有联系,但侧重点不同。主备关注故障时由谁接替;负载均衡则通常让多个后端共同处理请求。实际部署中,两者可以配合使用,但负载均衡本身不会替你解决数据同步、会话保存或数据库故障切换问题。
常见的主备方式有冷备、温备和热备。冷备平时不运行完整业务,成本较低,故障后启动和恢复所需时间较长;温备已完成基础部署,切换时还要启动服务或补齐数据;热备让备用节点持续运行并保持数据更新,切换通常更快,相应的部署和维护成本也更高。选择时要先明确业务最多能停多久、最多能接受丢失多久的数据。
常见部署方式:按业务需求选架构
手动切换:适合轻量业务或入门阶段
可以在不同可用区部署主、备两台 ECS,安装相同的系统和应用,并准备好镜像、配置文件及切换手册。主机故障后,由运维人员检查备用机,再调整 DNS 解析、应用入口或相关网络配置。
这种方案部署门槛较低,资源成本也相对可控,但切换速度取决于人员响应。若通过 DNS 切换,用户还可能受本地 DNS 缓存影响,在一段时间内继续访问旧地址。上线前最好实际走一遍操作步骤,别等故障发生后才确认谁有权限改解析。
负载均衡配合多台 ECS:适合需要持续服务的应用
将多台 ECS 加入负载均衡,流量可以按配置分发到后端实例。配置健康检查后,异常实例可停止接收新请求,其他健康实例继续提供服务。这能降低单台应用服务器故障造成的影响,但不代表应用数据已经具备高可用能力。
例如,用户会话或上传文件如果只保存在某台 ECS 的本地磁盘,流量切到另一台后,用户可能需要重新登录,文件也可能无法读取。部署前应检查应用是否依赖本地状态,并将相关数据放到合适的共享或托管存储中。
应用与数据分层:避免备用机只有空壳
应用层和数据层最好分别设计。应用可以部署在多台 ECS 上,通过负载均衡接收请求;数据库则根据业务和技术栈选择相应的高可用方案,或配置复制与故障切换。图片、用户上传内容和日志等,也要考虑对象存储、共享存储或可靠备份,避免只留在主机磁盘里。
阿里云各产品的高可用能力和限制会因地域、产品类型及配置而异,部署前应核对当前控制台说明和服务限制。还要分清备份与实时主备的作用:备份用于故障后恢复历史数据,通常不能替代持续同步;数据复制也可能有延迟,不能据此认定任何故障下都不会丢数据。
搭建前先确认四件事
- 定好恢复目标。恢复时间目标(RTO)是业务最多能停多久;恢复点目标(RPO)是最多能接受丢失多久的数据。目标越严格,通常需要投入更多资源和运维工作。
- 逐项确认数据怎么同步。应用程序、数据库、上传文件和配置文件的变化频率不同,应分别确定同步方式、同步间隔、冲突处理办法和恢复顺序。
- 画清流量切换路径。确认入口使用负载均衡、DNS、弹性公网 IP 还是其他方案,并检查安全组、监听端口、证书和健康检查配置。只改入口、漏了安全组规则,备用机也可能接不到请求。
- 把回切也写进预案。备用机接管后,还要处理原主机修复、数据补齐和角色切换。未经确认就让主备同时接受写入,可能造成数据冲突。
一个中小电商的主备实践案例
某中小电商原先把网站程序、图片和数据库都放在一台 ECS 上。一次系统盘故障后,团队通过备份恢复了数据,但业务仍停摆数小时。评估后,他们先处理最容易造成长时间中断的问题,没有一开始就搭建复杂架构。
改造时,团队在不同可用区部署两台应用 ECS,接入负载均衡,并配置健康检查和相同的应用版本。数据库迁移到具备相应高可用能力的托管数据库服务,再按业务要求设置备份策略;商品图片改存对象存储。应用配置统一管理,发布时同步更新两台实例。团队还把检查数据库状态、确认后端健康、观察错误率和执行回切的步骤记录下来。
演练时,他们先模拟一台应用实例无法响应,确认负载均衡能把新请求转到健康实例;之后又单独测试数据库异常时的处理流程。测试发现,部分登录会话保存在本地内存中,用户切换实例后需要重新登录,于是团队调整了会话存储方式。这个问题容易被忽略:服务器能接替请求,不代表应用状态也能跟着切换。
主备架构容易踩的坑
- 把两台 ECS 当成高可用的全部。如果两台机器共用同一个故障点,或备用机长期没有更新,出故障时仍可能无法接管。部署位置、配置和维护状态都要纳入检查。
- 有备份,却没验证恢复。备份文件存在不代表一定能用。应定期检查文件完整性,并实测恢复所需时间和数据情况。
- 没有监控和告警。故障发现得太晚,自动切换也可能帮不上忙。至少要关注实例状态、应用探活、磁盘空间、错误率和数据库延迟。
- 认为自动切换不会出错。自动化可以缩短响应时间,但误判、数据同步延迟和切换期间的写入冲突仍需处理。关键业务应明确何时自动切换、何时人工确认,以及出现问题后如何回退。
按中断容忍度逐步搭建
阿里云服务器主备没有一套适合所有业务的固定配置。访问量不大、可以接受短时中断的服务,可能先用跨可用区的备用服务器和人工切换;交易或在线服务对持续运行要求较高,则应进一步考虑负载均衡、多实例部署、数据高可用、监控告警和定期演练。
先算清楚业务能停多久、数据最多能丢多少,再逐层处理单点故障。服务器数量只是方案的一部分,数据能否恢复、流量能否切过去、团队能否按预案操作,同样需要测试。