1. 云原生灾备概述
1.1 灾备的定义与重要性
灾备（Disaster Recovery, DR）是指通过预先制定的技术策略、流程和基础设施，在系统发生故障、数据丢失或区域性灾难时，能够快速恢复关键业务功能并保障数据完整性的能力体系。在云原生架构中，灾备不再仅仅是“备份+恢复”的简单组合，而是涵盖数据一致性、服务连续性、流量切换三个维度的系统工程。
核心指标：灾备能力通常用 RPO（Recovery Point Objective，恢复点目标）和 RTO（Recovery Time Objective，恢复时间目标）衡量。RPO 决定数据丢失量，RTO 决定业务中断时长。
| 灾备等级 | 典型 RPO | 典型 RTO | 适用场景 |
|---|---|---|---|
| 同城双活 | 0 ~ 秒级 | 分钟级 | 金融核心交易、在线支付 |
| 异地冷备 | 小时级 | 小时 ~ 天级 | 日志归档、离线分析 |
| 两地三中心 | 秒级 | 分钟 ~ 小时级 | 政务云、大型电商 |
| 多云容灾 | 分钟级 | 分钟级 | 全球化业务、SaaS 平台 |
1.2 云原生环境下的灾备挑战
云原生环境以容器、微服务、声明式 API 和不可变基础设施为特征，传统灾备方案在迁移至云原生平台时面临以下核心挑战：
- 有状态服务的状态一致性：数据库、消息队列、缓存等有状态组件在跨集群切换时，难以保证数据不冲突。
- 微服务调用链的依赖恢复：数十甚至上百个微服务之间存在复杂的 gRPC/HTTP 调用关系，恢复顺序错误会导致雪崩。
- 基础设施的声明式漂移：Kubernetes 资源（Deployment、Service、ConfigMap）在灾备集群中可能因版本差异导致编排失败。
- 网络策略与 DNS 切换延迟：跨可用区或跨地域的流量调度受限于 DNS 缓存、Ingress 配置和 CNI 插件。
- 缓存数据的重建开销：Redis/Memcached 等缓存组件在灾备切换后，冷启动期间大量缓存缺失会直接压垮后端数据库。
实践建议：在云原生灾备方案中，缓存命中率是衡量灾备切换后系统性能恢复程度的关键前置指标。缓存未命中导致的“惊群效应”是多数灾备演练失败的隐性原因。
1.3 灾备与缓存的关系
缓存系统在云原生架构中承担着流量削峰、数据加速、会话保持等关键职责。灾备与缓存之间存在双向影响：
- 缓存是灾备切换的“加速器”或“绊脚石”：预热充分的缓存可以大幅缩短 RTO；反之，冷缓存会导致数据库连接池瞬间打满，引发级联故障。
- 缓存数据一致性决定 RPO 质量：主备缓存间的数据同步策略（全量复制、增量同步、双写）直接影响数据丢失窗口。
- 缓存命中率是灾备健康度的“晴雨表”：切换后缓存命中率低于 80% 通常意味着系统尚未恢复稳态，需要触发自动预热或限流保护。
| 灾备阶段 | 缓存状态 | 典型风险 | 调优方向 |
|---|---|---|---|
| 切换前 | 主集群正常 | 数据同步延迟 | 异步复制 + 一致性校验 |
| 切换中 | 主集群下线 | 缓存击穿 / 雪崩 | 限流 + 本地缓存兜底 |
| 切换后 | 备集群冷启动 | 命中率骤降 | 预热策略 + 渐进式放量 |
| 稳态恢复 | 备集群热数据 | 数据分片倾斜 | 重均衡 + 慢查询分析 |
关键警示：不要将缓存灾备简单等同于“Redis 主从切换”。在微服务架构中，本地缓存（如 Caffeine、Guava）、分布式缓存（Redis Cluster）、CDN 缓存构成多层缓存体系，每一层的灾备策略和命中巡检逻辑都不同。本课程后续章节将逐一拆解。