#运维

3 条帖子 · 1 位参与者 · 近 24 小时 3 条新帖
建站日志
建站日志 @devlog · 11-20

搬站不断服:从旧 VPS 到新机器的完整顺序

迁服务器最容易搞错的地方不是「停机会不会掉访问」,是「切过去之后起不来,而旧机器已经被我重装了」。

所以整件事只有一个原则:在确认新机器能跑之前,旧机器一个字节都不许动。

提前一天做两件事

  • 域名 TTL 改成 60 秒。这一步今天不做,切换那天就得额外等 24 小时——老 DNS 记录还在各地缓存里。
  • 新机器装好同样的版本、同样的时区、同样的防火墙规则,先把 /healthz 在本机跑通。不要等切完再发现端口没开。

迁移当天

  1. 旧机器导出一份数据,传到新机器:
sqlite3 /var/lib/app/data.db ".backup '/tmp/snap.db'"
scp /tmp/snap.db new-host:/tmp/
  1. 新机器先只听本机回环,起一个不对外的小号:
DB_PATH=/tmp/snap.db PORT=18090 ./app
curl -s localhost:18090/healthz
然后在本机把真实动作走一遍:打开首页、登录、发一条测试内容、删掉。这一步没走完,不要碰 DNS,也不要碰反向代理。
  1. 停掉旧机器的写入(停服务,不是关整台机器)。从这一刻起旧机上产生的新数据都会丢,所以这一步放在最后一次同步之前、并且要快。
  1. 再做一次增量备份,覆盖新机器的数据。第二次通常只要几秒,因为库已经热了。
  1. 启动新机器对外,改反向代理或 DNS,然后盯十分钟的错误日志。看 5xx 和慢请求,不看访问量——访问量正常但 5xx 一堆,是最坏的组合。

回滚怎么走

  • 旧机器别删、别重装。systemctl disable 停掉自启,数据原样留着,留七天。
  • 回滚动作 = DNS 切回 + systemctl start,三十秒的事。
  • 切换之前先把这三十秒想清楚。多数人失败在自己身上:切过去之后顺手把旧机器格式化了,想回也回不去。

容易漏的五样东西

  • 定时任务:备份、证书续签、清理脚本。cron 不会跟着数据一起搬。
  • systemd 的 enable。只 start 的话,机器一重启服务就没了,而你可能要过几天才发现。
  • 附件和上传目录。如果文件不在数据库里,只搬 db 等于搬了个空站。
  • 时区和 locale。新机器默认 UTC,日志时间全部差 8 小时,排查问题时会绕远路。
  • 防火墙。新机器 80/443 没放行,切过去就是连不上,而 DNS 已经生效了。
迁站成败不看切换那一下,看「切坏了能不能五分钟切回来」。

#运维 #迁移 #VPS
建站日志
建站日志 @devlog · 11-20

cp data.db 不叫备份:三种看起来有备份的死法

备份最坑的地方从来不是「没做」,是「做了,但那东西用不了」。真出事那天打开备份目录,才发现过去半年攒的十几个文件,一个都恢复不了。

下面三种我按见到的频率排。三种都不致命,叠在一起就很致命。

死法一:热拷贝一个带 WAL 的库

cp data.db backup.db 看起来完全没问题。坑有三层:
  • SQLite 开着 WAL,最近的事务还在 data.db-wal 里没合并。你只拷了主文件,拿到的可能是几小时前甚至几天前的状态。
  • 拷贝的那几秒里如果正好有写入,文件头和页可能对不上,恢复时直接报 database disk image is malformed。
  • 大库拷得慢,中途发生一次 checkpoint,拷到一半的页是空的。
正确做法三个,选一个:
# 在线备份,SQLite 自己保证一致性,不用停服
sqlite3 data.db ".backup '/backup/data-$(date +%F).db'"

# 或者 VACUUM INTO,顺带把碎片压掉
sqlite3 data.db "VACUUM INTO '/backup/data-$(date +%F).db'"

# 或者停服,三个文件一起拷(少一个都会缺数据)
systemctl stop app && cp data.db data.db-wal data.db-shm /backup/ && systemctl start app
第一种最省事:不停服、不锁库、拿到的是一致性快照。.backup 是 SQLite 的在线备份命令,不是文件拷贝。

死法二:备份和源数据在同一块盘

/data 放数据库,/backup 放备份,两个目录在一块盘上。盘挂了,两个一起没;机器被回收了,两个一起没。

云主机的「快照」也不太算数:快照是整盘状态,误删数据五分钟后再快照,快照里也是删干净的样子。

至少留一份不在这台机器上:
rclone copy /backup/data-$(date +%F).db.gz remote:backup/
对象存储、另一台 VPS、甚至每天 scp 到自己电脑,都行。判断标准只有一条:备份不和源数据共享同一个故障域。

死法三:从来没恢复过

备份唯一的验收标准是「在干净目录里起得来」。没演练过的备份,等于没有备份——你只知道文件存在,不知道它能不能用。

每月一次,五分钟:
mkdir -p /tmp/restore && cd /tmp/restore
gunzip -c /backup/data-2026-11-01.db.gz > data.db
DB_PATH=./data.db PORT=18090 ./app
curl -s localhost:18090/healthz
看到 200,再随便查一条最近的数据,对上了才算数。查完把目录删掉,别留在生产机上。

一个能直接抄的每日脚本

#!/bin/bash
set -euo pipefail
DB=/var/lib/app/data.db
SNAP=/tmp/snap-$$.db
OUT=/backup/data-$(date +%F).db.gz

sqlite3 "$DB" ".backup '$SNAP'"          # 一致性快照
gzip -c "$SNAP" > "$OUT"
gunzip -t "$OUT"                          # 当场校验压缩包完整
rm -f "$SNAP"
find /backup -name 'data-*.db.gz' -mtime +14 -delete   # 保留 14 天
rclone copy "$OUT" remote:backup/ || echo "upload failed" | mail -s "backup failed" root
gunzip -t 那一行别省。它的作用是让问题在当天暴露,而不是在恢复那天暴露。同样,上传失败要发邮件——静默失败的备份脚本,和没写脚本差不多。

一句话总结

备份的价值 = 恢复成功率 × 恢复速度,不是文件个数。

#备份 #SQLite #运维
建站日志
建站日志 @devlog · 11-20

上线前 10 分钟:12 项自查,漏一项都可能白干

把链接发给别人之前,先过一遍这张单子。全做完大约十分钟,能挡掉九成「打不开」「图裂了」「邮件收不到」「数据没了」。

这 12 条不按重要性排,按你检查它们的顺序排——从「别人能不能打开」到「出事以后能不能救回来」。

一、别人真的打得开吗

  1. 用手机流量开一次,别用家里 WiFi。家里能开不代表公网能开:DNS 还没生效、CDN 缓存了旧页面、公司网络走代理,这三种都会让你误判。
  2. 终端里跑一次 curl -I https://你的域名,看三样东西:状态码、证书是不是完整、有没有把你从 http 跳到 https。没强制跳转的话,访客第一次输密码是明文传输的。
  3. 证书不是「浏览器没报警」就行。看它什么时候过期、中间证书有没有缺(缺了部分安卓机直接拒绝连接)、自动续签的任务到底跑没跑过——systemctl list-timers 里应该能看到。

二、最容易在反向代理这一层翻车

  1. 转发头必须是覆盖写入,不能是追加:
proxy_set_header X-Real-IP $remote_addr;
proxy_set_header X-Forwarded-For $remote_addr;
很多面板的默认模板写的是 $proxy_add_x_forwarded_for。它的作用是「保留客户端自带的头,再往后追加」。后果有两个,都不轻:客户端随手伪造一个 IP,你的注册限制、登录限制、写操作限流全部绕过;日志里所有请求的来源都不可信,出事那天查不出是谁。
  1. 开了强制 HTTPS 之后,你的健康检查、Webhook 回调、监控探针还走 http 吗?「站点明明好好的,监控一直报红」基本是这条。
  2. 时区。随便发一条内容,看时间显示的是「刚刚」还是「8 小时前」。数据库存 UTC、页面按本地时区渲染是对的,但只要有一处忘了转,访客就会看到未来时间。

三、新用户能不能自己走完

  1. 开无痕窗口,从注册一路走到发出第一条内容。中间任何一步需要你去后台点一下,陌生人就走不过去。
  2. 邮件真能发出去。拿 QQ 邮箱和 Gmail 各注册一次,QQ 邮箱对 SPF、DKIM 最严,它过了基本都过。找回密码那封也测——只测验证信是最常见的漏测。
  3. 默认口令清一遍:管理员密码、面板端口、数据库账号、没设密码的 Redis。这几样被扫描器撞上,前面的功夫全白做。

四、出事那天靠什么

  1. 备份能不能恢复(不是「有没有备份」)。这条单独写了一篇,因为它值得单独写。
  2. 磁盘空间。df -h 看一眼,再算一遍「每天新增多少」。日志和数据库的 WAL 是慢慢涨的,涨满那天站点直接 500,而且你多半不在电脑前。
  3. 关掉调试入口:pprof、/debug、示例数据、测试账号、默认后台路径。上线第一周被扫描器打,通常就是这些没关。
12 条不必全做。但第 4、10、12 条不做,出事只是时间问题。
下一篇讲第 10 条:为什么 cp data.db 不叫备份。

#自部署 #上线清单 #运维