与时间赛跑：微盟“事件”为什么需要这么长时间？

作者| 茹炳晟

责编 | Carol

出品| CSDN云计算（ID：CSDNcloud）

微盟“删库跑路“事件已经过去好几天了，据悉，微盟的服务已经全部恢复，对于新用户，已经能够正常开始所有相关的业务活动了，但是对于老用户，数据依然没能全部恢复，根据其官网的信息，目前恢复了商家账户和权益数据，截止到2月28日晚上，大约会有七成的数据完成恢复。

作为B端用户以及广大吃瓜群众，都会有这样的好奇，现在的云计算，容器化部署，弹性扩缩容，数据备份技术等技术已经非常先进了，为什么整个恢复周期还会需要这么长时间？那么今天我就从技术的维度来聊聊我的理解。

1.当你觉得一件事很简单时

很可能是因为你不懂

正式聊技术前，我想先说说今年罗胖的跨年演讲《时间的朋友》，罗胖谈到“躬身入局”让我这个常年和IT技术打交道的”我辈中人“深有感触，很多时候当我们站在局外，会感觉很多事情都不复杂，但是当你投入其中之后，就会发现原来我们只是看到了冰山一角，很多事情要远远比你想的要复杂和困难。

举个很形象例子，人们通常喜欢采摘低垂的果实，因为就大脑的反馈来讲，低垂的果实是很容易采摘的，但是一个果实看起来低，它未必是真的低，很有可能是你离它太远了，当你走进一些，你会发现它比你最初看起来要高，当你再走进一些，你会发现根本高不可及。

这就像一座山，当你离它很远的时候，会觉得山不高，只有当你亲自走到山脚下，才会认识到自己更本不可能爬上去。我有一张在珠穆朗玛峰北坡登山大本营的照片，当时的海拔是5300米左右，我的身后就是传说中海拔8848的世界之巅珠穆朗玛峰，也许看起来觉得似乎不高啊，那是因为我离得还足够远。换句话说，当你觉得一件事情很简单的时候，往往不是真的简单，而很可能是因为你不懂。

回到这次微盟事件，也是一样的道理，现代的大型互联网产品，无论是toC的还是toB的，站在用户的角度来看，使用都很简单，但是其背后的架构复杂性就是属于冰山下面的部分，其复杂程度会远远超过你的想象，我就常说一句话“认知限制了你的想象力”。所以，我相信，此时此刻，微盟一定在冰山下面尽着自己最大的努力来推动数据早日恢复。

2.全上云、不上云和假上云

好了，接下来聊聊偏技术的话题。很显然，目前微盟的主要问题是在数据库的恢复上，由于官方并没有公布具体的技术细节，我在网上也只找到一张非常顶层的架构示意图，并没有能获得系统基础架构，尤其是数据库架构方面的详细信息，所以只能从个人经验的角度做一些可能的猜想，目的是想让你能够理解其中的技术复杂程度。

首先让我们了解一下数据库的运行环境，简化来讲主要有以下三种：

“不上云”：建立在自己的数据中心，完全自己管理硬件、软件和数据，这是云平台普及以前的主流实践。在这种模式下，所有相关的数据库高可用性，容量扩展，数据备份都要有自己非常专业的团队（DBA团队和运维团队）来管理和维护，对企业的技术要求是比较高的。

“全上云”：完全建立在云端环境之上。注意，这里的云可以是公有云，也可以是私有云。云厂商会提供全套的解决方案来支持高可用性，容量扩展和数据备份等特性。可以说，随着云计算的普及以及泛数据库类服务（ DBaaS）的快速发展，越来越多的新兴企业会选择这个方案。

“假上云”：这种方案是最奇葩的，有点像用Louis Vuitton的包来装菜，但在行业内也不在少数，应该说这是一个过渡阶段的产物。这种方式就是把云方案当做虚拟机来使用。这种方式和上面的“不上云”很类似，完全没有用好云端的优势，只是把数据中心的机器移到了云端而已。云方案所能提供的容灾、扩容等功能都被阉割了。

对于上面三种方式，“不上云”和“假上云”对于数据的风险相比“全上云”会更大，运维人员在“不上云”和“假上云”的情况下更容易有机会去执行类似“rm -rf /*”和“fdisk”类型的极端操作，而“全上云”，就比较难有机会从操作系统层面执行此类命令，数据库数据也就不会被rm -rf /给删掉。

如果删除操作不是发生在操作系统的数据文件层面（备份通常是以文件形式存在的），那么我们利用数据库自身的特性来恢复误删数据的效率会大大提高。

同样，面对数据的误操作问题（比如，错误地批量update表中数据的某个字段），“全上云”也比“不上云”和“假上云”有明显的优势。这个我是有切身经历的，以前有个项目使用自建数据库，由于某个DBA的误操作，在生产环境的数据库上执行了一条没有加where条件的update语句，直接造成竞拍商品的出价记录字段全部丢失，而后就是艰难的全量回滚和binlog重放，最终耗时4个多小时才恢复。后来同样的误操作发生在了云端数据库，回滚恢复的时间只花了几分钟。

从之前腾讯云对外的回应中，我们可以大概看到微盟被删的数据不在腾讯云上，再结合目前数据恢复的速度来看，我们几乎可以判定很大概率微盟没有采用“全上云”的架构，或者是只有部分数据在云端，而且很可能发生了比较极端的“rm -rf /*”和“fdisk”情况。

那么在这种情况下，所有的主从库文件，全量备份文件，增量备份文件以及binlog都一起丢失了。这里的技术挑战主要在于传统IT厂商如何进行磁盘恢复，已经不是任何一个云厂商的技能点所在。

要在这种情况下恢复全部数据，可想而知技术难度是很大的。根据我的粗略理解，至少要跨过下面这些技术的槛。

• 获取全量备份，如果存在异地的冷备或者灾备，那是比较理想的情况，但是由于全量备份通常非常庞大，所以需要较长的时间完成文件的传输和校验。如果没有异地的全量备份可供使用，那么就必须采取更耗时，而且不能保证一定100%全量成功的磁盘恢复手段。为什么说磁盘恢复会更加耗时，我一会儿来解释。这里还有一个问题就是全量备份可能太“旧”了，这也给后面的恢复带来了更多的时间成本。
• 获取增量备份，很多时候增量备份没有来得及做异地容灾备份，所以很大概率要从磁盘恢复，这又是大量的时间消耗，而且同样不能保证100%完全恢复。
• 获取binlog，binlog是记录所有数据库表结构变更（例如CREATE、ALTER TABLE等）以及表数据修改（INSERT、UPDATE、DELETT等）的二进制日志文件，通常以索引文件（后缀为.index）和日志文件（后缀为.00000*）的形式存在磁盘上，通常为了保证binlog记录数据变更的准确性，一般都是采用row格式的binlog，因此文件尺寸也不小，而且文件个数也很多。

有了上面这些作为基本的输入，才能开始数据库层面的数据导入和恢复工作，这个过程也需要花费大量的时间，而且这是基于上述文件都可以100%得到为前提的，如果上述备份文件中出现数据问题，那由此带来的额外时间成本将会变得更大。

磁盘文件的恢复

最后来说说磁盘文件的恢复。当我们对磁盘等存储介质上的文件进行删除操作，甚至是格式化操作（低级格式化除外）时，磁盘上的数据并没有真正从磁盘上消失，而只是在文件分配表中标注了一下而已，位于数据区的数据本身并没有被立即抹掉。只要文件的数据区没有被后面写入的信息覆盖，那么这些被删除的文件就是可以恢复的，这就是磁盘文件在删除后可以恢复的理论基础。

但是数据库的数据文件和备份文件往往很大，那么只要有个别数据区出现了重写，那么恢复出来的文件就是不完整的，这个时候就需要人为介入来进行修正，这个工作量以及技术难度就会很大，有时还会需要借助专用的仪器设备。在更复杂的情况下，还会采用数据雕刻技术（File Carving），数据雕刻技术是数字取证研究中频繁使用的一种文件恢复技术，它从表面上无差别的二进制数据集即原始磁盘映象中提取文件，而不利用磁盘的文件系统类型。

除此之外，像微盟如此庞大的系统，各个垂直事业部可能都有各自的业务数据库，这些数据库甚至可能采用了不同的方案，这种架构上的异构性也会给恢复过程带来极大的挑战。另外，即使部分数据恢复完成之后，也不能立即上线，而要等其他相关数据恢复，并且做好数据的的交叉校验，确保数据的万无一失，这些都需要大量的时间。

这些只是我能想到的一些情况，我站的也很远，也是从旁观者的维度在看问题，所以，我相信实际情况会比我所描述的更为复杂。我们还没法对最终的恢复结果作出推断，能够做的只有等待。

作者简介：

茹炳晟，业界知名实战派软件质量和研发工程效能专家，中国商业联合会互联网应用技术委员会智库专家，畅销书《测试工程师全栈技术进阶与实践》的作者。现任Dell EMC中国研发集团资深架构师，历任eBay中国研发中心测试基础架构技术负责人，HP软件中国研发中心资深架构师、性能测试专家，Alcatel-Lucent高级技术主管，Cisco中国研发中心资深工程师等职位，具有超过16年的软件研发经验和技术管理经验。