大数据公司数据备份周期制度.docxVIP

大数据公司数据备份周期制度

作为一名在大数据行业摸爬滚打快十年的老运维，我见过太多因为数据备份没做好，把好好的公司拖入困境的例子，也亲手搭建过好几家不同规模大数据公司的备份体系，最深的感受就是，对于靠数据吃饭的大数据公司来说，数据备份不是可做可不做的后勤工作，数据备份周期制度更是整个数据安全体系的核心骨架——没有明确的周期规则，要么就是备份太勤浪费了大把存储成本，要么就是备份间隔太长出了问题找不回数据，不管哪种情况，对公司来说都是不可承受的损失。本文就结合实际落地经验，从制定原则、分级标准、落地保障、优化方向几个方面，梳理一套完整可落地的大数据公司数据备份周期制度。

1制度制定的背景与基本原则

1.1制度制定的核心背景

大数据公司的核心资产就是数据，和传统行业比，我们的数据有几个非常突出的特点：一是数据体量差异极大，核心业务可能只有几TB的关键数据，而归档的历史数据能到几十上百PB；二是数据重要程度天差地别，用户的付费交易数据丢了就是灭顶之灾，而测试环境的临时缓存数据丢了重新生成就行；三是业务变化快，今天的边缘业务可能半年后就变成公司的核心营收来源，数据的重要性也会跟着变。

说句实在话，几年前我待过的一家创业型大数据公司，一开始所有人都扑在业务抢市场，觉得备份就是走个流程，随便定了个“所有数据一周备份一次”的规矩，结果核心业务的服务器硬盘出了故障，丢了整整六天的用户交易数据，找