PostgreSQL集群项目中pgBackRest多环境备份配置实践
2025-06-30 08:52:54作者:谭伦延
背景介绍
在PostgreSQL数据库集群管理中,pgBackRest作为一款强大的备份恢复工具,被广泛用于生产环境。本文基于实际项目经验,探讨在多环境(如开发、测试、UAT)共用一个pgBackRest服务器时的配置优化方案。
问题现象
在典型的PostgreSQL集群部署中,我们经常会遇到以下场景:
- 多个环境(dev/qa/uat)共享同一台pgBackRest备份服务器
- 每个环境均为两节点集群架构
- 备份时出现路径混淆问题
具体表现为执行备份命令时,系统错误地在qa目录下寻找dev环境的备份信息文件,导致备份失败。
配置误区分析
初始配置中常见的误区包括:
- 路径包含环境名称:在
repo1-path中加入了{{ patroni_cluster_name }}变量,导致每个环境使用不同的基础路径 - 全局配置不一致:数据库服务器和备份服务器的
repo1-path设置不一致 - 未理解pgBackRest的存储结构:误以为需要为每个环境创建完全独立的根目录
正确配置方案
经过实践验证,正确的配置应遵循以下原则:
-
统一基础路径:所有环境使用相同的
repo1-path基础目录repo1-path: '/mnt/postgres/pgbackrest' -
利用stanza自动隔离:通过唯一的
pgbackrest_stanza名称自动创建子目录pgbackrest_stanza: "{{ patroni_cluster_name }}" -
保持配置一致性:确保数据库节点和备份服务器的全局配置完全一致
配置示例
以下是经过验证的多环境共享备份服务器配置示例:
pgbackrest_conf:
global:
- { option: "repo1-path", value: "/mnt/postgres/pgbackrest" }
- { option: "repo1-retention-full", value: "4" }
- { option: "repo1-retention-archive", value: "4" }
# 其他全局配置...
stanza:
- { option: "pg1-path", value: "{{ postgresql_data_dir }}" }
# 其他stanza配置...
pgbackrest_server_conf:
global:
- { option: "repo1-path", value: "/mnt/postgres/pgbackrest" }
# 其他服务器全局配置...
工作原理
pgBackRest会自动在基础路径下按以下结构组织备份文件:
/mnt/postgres/pgbackrest/
├── backup/
│ ├── dev-cluster/
│ │ └── backup.info
│ ├── qa-cluster/
│ │ └── backup.info
│ └── uat-cluster/
│ └── backup.info
└── archive/
├── dev-cluster/
├── qa-cluster/
└── uat-cluster/
这种结构既保证了各环境的隔离性,又便于统一管理。
最佳实践建议
- 环境隔离:生产环境建议使用独立的备份服务器
- 权限管理:确保postgres用户对基础路径有读写权限
- 监控配置:定期检查各环境的备份状态
- 容量规划:合理预估共享存储的空间需求
通过以上配置方案,可以有效地实现多环境共享备份服务器的需求,同时保证各环境数据的隔离性和安全性。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
649
270
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
297
111
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
384
3.69 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
632
143