用哈希抽检做一次备份恢复演练
先将备份恢复到安全位置,再用 Bash 脚本随机抽取源文件,检查恢复副本是否存在且 SHA-256 哈希一致。发现异常时脚本返回非零退出码,可接入定时任务或 CI。
AI 深度解读
备份任务连续几个月显示成功,恢复时才发现文件是空的、关键目录被跳过,或者备份盘已经在出故障。作者给出的办法是做一次约 15 分钟的小型恢复演练:挑一份真实数据,恢复到独立位置,再核对内容并记录耗时。
这套流程把「备份成功」变成了可以复查的结果。对维护项目目录、数据库导出或客户交付文件的开发者来说,最有用的是分清两件事:文件有没有完整恢复,恢复后业务能不能接着跑。
一次恢复演练要验到哪一步
挑一份丢了会影响工作的数据,比如上月的项目目录、数据库转储或财务导出。把它恢复到单独的目录或机器,避免覆盖线上数据。先确认该有的文件都在,再打开几份关键文件,核对内容是否和备份生成时一致。
从开始恢复计时,把日期、恢复对象、耗时、发现的问题和操作人记下来。「约 15 分钟」是作者对小型演练的估计。恢复一整个系统要花多久,还取决于数据量、环境准备和应用验证。这次测到的耗时只对应本次演练。
脚本能抓住哪些恢复问题
作者的 restore_check.sh 从原始目录随机抽样,用相对路径在恢复目录找同一份文件,再对比 SHA-256。第三个参数指定样本数,默认是 5。
SRC="${1:?source dir}" DST="${2:?restored dir}" N="${3:-5}"
pass=0; fail=0
while IFS= read -r -d '' file; do
rel="${file#"$SRC"/}"
if [[ ! -f "$DST/$rel" ]]; then
echo "MISSING $rel"; fail=$((fail+1)); continue
fi
a=$(sha256sum "$file" | cut -d' ' -f1)
b=$(sha256sum "$DST/$rel" | cut -d' ' -f1)
if [[ "$a" == "$b" ]]; then
echo "OK $rel"; pass=$((pass+1))
else
echo "DIFFERS $rel"; fail=$((fail+1))
fi
done < <(find "$SRC" -type f -print0 | shuf -z -n "$N")
echo; echo "Checked $((pass+fail)) file(s): $pass ok, $fail problem(s) "
[[ $fail -eq 0 ]]
最后一行只判断失败数。抽中缺失文件或内容不同的文件时,脚本会以非零状态退出。如果源目录为空,抽样数为 0,它也会返回成功。接进 CI 或定时任务时,要检查实际抽到了多少文件。
执行 chmod +x restore_check.sh 后,原文用 ./restore_check.sh /data/projects /tmp/restore-test 10 请求抽样 10 个文件。作者另举了一次快速测试,实际检查 3 个文件,结果是 1 个通过、2 个异常。three.txt 缺失,bids/two.txt 内容不同,bids/one.txt 一致。
脚本使用 Bash 语法。Linux 下的 sha256sum 和 shuf 来自 GNU coreutils。macOS 上可把哈希命令换成 shasum -a 256,并用 brew install coreutils 安装 gshuf,替换脚本中的 shuf。
为什么哈希一致还要打开应用
哈希对比回答的是「文件字节是否一致」。如果拿还在写入的源目录做对照,备份之后的正常修改也会被标成 DIFFERS。有快照就用对应备份时点的快照,没有快照就尽量选数据停止写入的时段。
数据库文件即使字节完全一致,也可能因为应用版本变化而用不了。关键数据要用实际应用打开,数据库转储要尝试导入。备份工具自带的 verify 命令也可以一起跑,用来补充检查。
作者建议至少每季度演练一次,换服务器、备份工具或存储后再测,并轮换演练对象。备份布局遵循 3-2-1:留 3 份副本,分布在 2 种存储介质,其中 1 份放在异地并与主网络隔离。依赖 SaaS 的团队也要查清误删后能恢复什么,并给邮件、财务系统和项目文件分别定下能接受的停用时间。
我的判断
作者实测展示的是脚本能在一组 3 个文件的样本里识别缺失和改动。「约 15 分钟」和「最便宜的保险」是经验判断,原文没有提供耗时分布、成本对照,也没给出抽样能覆盖多少故障的数据。
如果已经知道哪些目录和文件一旦丢失就无法开工,我会先逐项检查这些对象,再随机抽查其余文件。纯随机抽样省事,但可能一直没抽到被备份规则整段跳过的小目录。对数据库,隔离环境里成功导入并读到关键记录,比一份哈希比对通过的日志更能回答「能不能恢复业务」。
能拿来做什么
- 从备份里恢复一份真实的项目目录到
/tmp/restore-test,核对关键配置和交付文件,再记录从开始恢复到确认文件可用的耗时。 - 给 Node 服务的数据库转储安排一次隔离导入,使用项目实际依赖的数据库和应用版本,验证服务能读到一条关键业务记录。
- 把文件抽检放进定时任务或 CI,使用对应备份时点的快照做基准,并让零样本或文件异常都触发告警。