云与大数据环境下的灾备应用场景.docxVIP

PAGE 1 PAGE 1 云与大数据环境下的灾备应用场景  云与大数据时代，数据的暴增必定刺激数据保护、数据恢复的市场需求，而为了确保业务数据的持续生产，企业对业务连续性的高可用需求也必将进一步提升。本文从大数据与云计算的视觉，为你呈现数据级灾备、应用级灾备以及云灾备的相关应用场景。  云与大数据时代，数据的暴增必定刺激数据保护、数据恢复的市场需求，而为了确保业务数据的持续生产，企业对业务连续性的高可用需求也必将进一步提升。本文从大数据与云计算的视觉，为你呈现数据级灾备、应用级灾备以及云灾备的相关应用场景。  一、数据实时灾备  在生产服务器进行海量数据产出时，需要确保产出数据的安全存储、管理、归档应用等，简洁的灾备场景是在两台或多台服务器之间实现数据的实时异步复制，可支持以下多种部署模式。  1、一对一数据灾备  在两台服务器之间实现数据的实时异步复制，且灾备端可以是本地或任意距离外的灾备站点，无需调整现有的网络和运行环境；整个过程无需停止应用，可在线部署，数据在线复制，通过字节级复制技术，实现海量数据的重复传输，无需备份窗口，节约用户对海量数据传输时的种种难题。  2、分级数据灾备  针对不同的应用及数据类型（结构化与非结构化），可自定义保护的级别，如对数据库进行实时灾备保护，对Email数据则进行每天备份保护，对平凡文件则进行每周备份保护，各保护级别由用户自由选择，相互之间独立，互不干扰。分级数据灾备敏捷性强，以用户喜好及需求为主，个性化实时数据灾备。  3、多对一数据集中灾备  海量数据的产生，可能是上百台服务器同时进行，数据灾备许多时候用于备份存储，从用户建设成本考虑，最好的方法是将不同操作系统、不同数据类型备份尽可能备份到一台服务器上，即进行数据的集中备份，也可将多个平台的数据，如Windows、Linux的数据均备份到一台服务器上，进行统一的备份管理。  4、一对多数据多点灾备  这是与多对一进行灾备相反的模式，当用户的数据量不多时，但都是特别关键的业务数据，那用户可以选择将数据备份到不同的服务器上，例如用户将最新的数据实时发布到不同的灾备节点上，实现任意距离的多个分支机构之间的数据实时共享或灾备保护。  5、级联数据灾备  许多时候灾备不管是多对一还是一对多，绝大部分的灾备都在是同一个数据中心，或者距离不远的机房，假如发生自然灾难，如火灾、洪水、地震等，就有可能造成数据的丢损，因此异地灾备即不同城市之间的灾备模式应运而生，典型的如“两地三中心”的部署方式，能够实现数据在三中心之间实时自动复制，并保证数据传输过程中的安全，实现数据的快速级联方式同步。  二、应用级容灾  数据级灾备是为解决数据安全性问题，但是假如系统发生宕机，可能服务器无法连续工作，数据生产就会停止，大数据便无从谈起。而随着企业线上业务的增加，业务无法连续，势必对企业的营收与声誉带来影响。为此，确保企业业务连续的应用级容灾是许多企业的选择项。  应用级容灾不仅供应数据的实时同步，且可针对应用进行监管，当系统异常时，由灾备端的应用接管相应的业务，并对外连续供应服务。正常情形下，灾备端的应用和生产端一一对应，即一主一备模式：  当异常发生时，如生产服务器宕机，则应用自动切换到备机，由备机对应的应用对外供应服务，保证服务的连续性。在切换的同时，可选择是否将源端的IP地址也漂移到灾备端，实现应用程序对应用IP地址的透明访问。  当原来的生产服务器恢复正常后，可将应用再次切换回原系统。  整个监控过程通过图形化界面进行管理和操作，也可通过外挂脚本的方式实现对特别应用，或特别需求而定制，特别敏捷便利。   云与大数据时代，数据的暴增必定刺激数据保护、数据恢复的市场需求，而为了确保业务数据的持续生产，企业对业务连续性的高可用需求也必将进一步提升。本文从大数据与云计算的视觉，为你呈现数据级灾备、应用级灾备以及云灾备的相关应用场景。  云与大数据时代，数据的暴增必定刺激数据保护、数据恢复的市场需求，而为了确保业务数据的持续生产，企业对业务连续性的高可用需求也必将进一步提升。本文从大数据与云计算的视觉，为你呈现数据级灾备、应用级灾备以及云灾备的相关应用场景。  一、数据实时灾备  在生产服务器进行海量数据产出时，需要确保产出数据的安全存储、管理、归档应用等，简洁的灾备场景是在两台或多台服务器之间实现数据的实时异步复制，可支持以下多种部署模式。  1、一对一数据灾备