pgBackRest多实例配置中的权限问题与解决方案
2025-06-27 21:04:24作者:韦蓉瑛
背景介绍
pgBackRest是一款强大的PostgreSQL备份工具,在企业环境中经常被用于数据库备份和恢复。在实际部署中,管理员可能会遇到需要在一台服务器上同时管理多个PostgreSQL实例备份的情况,这时就会涉及到复杂的权限配置问题。
问题现象
用户在一台备份服务器上配置了两个pgBackRest实例:
prod
实例:连接远程生产服务器prodsyngyps100pprd
实例:连接本地预生产环境pprodsyngyps101
用户发现必须使用不同用户执行备份才能正常工作:
prod
实例需要使用pgbackrest
用户执行pprd
实例需要使用postgres
用户执行
当尝试统一使用pgbackrest
用户执行时,会出现权限错误,提示无法获取锁文件/tmp/pgbackrest/pprd-archive-1.lock
的权限,最终导致无法找到主集群的错误。
根本原因分析
这个问题的核心在于pgBackRest的权限模型与PostgreSQL的运行机制之间的交互。当pgBackRest需要与PostgreSQL实例交互时,它需要能够访问PostgreSQL的数据目录和临时文件。在Linux系统中,这些资源通常由postgres
用户拥有。
当使用pgbackrest
用户执行备份时,该用户可能没有足够的权限访问PostgreSQL实例的某些关键资源,特别是:
- PostgreSQL数据目录
- 临时锁文件目录
- WAL归档相关文件
解决方案比较
方案一:混合用户执行(用户当前方案)
优点:
- 快速解决问题
- 不需要深入理解权限模型
缺点:
- 管理复杂,需要记住不同实例使用不同用户
- 需要配置共享目录的特殊权限
- 不符合最小权限原则
方案二:统一使用postgres用户
优点:
- 简化管理
- 完全兼容PostgreSQL的权限模型
- 无需特殊权限配置
缺点:
- 与pgBackRest官方推荐的专用用户实践不符
- 可能增加安全风险(如果postgres用户被入侵)
方案三:精细化权限配置
- 确保
pgbackrest
用户属于postgres
组 - 合理设置目录权限:
chown -R pgbackrest:postgres /var/{lib,log}/pgbackrest chmod 770 /var/{lib,log}/pgbackrest
- 配置PostgreSQL相关目录的组权限
优点:
- 遵循最小权限原则
- 保持专用用户的安全优势
- 统一管理界面
缺点:
- 配置较为复杂
- 需要深入理解Linux权限模型
最佳实践建议
对于大多数生产环境,建议采用以下配置方案:
- 为pgBackRest创建专用用户
pgbackrest
- 将该用户加入
postgres
组 - 设置合理的目录权限:
chown -R pgbackrest:postgres /var/lib/pgbackrest chmod -R 750 /var/lib/pgbackrest
- 确保PostgreSQL相关目录允许
postgres
组成员读取 - 统一使用
pgbackrest
用户执行所有备份操作
配置示例
以下是推荐的pgBackRest配置文件示例:
[prod]
pg1-host=prodsyngyps100
pg1-path=/global/data/postgresql/12/main
[pprd]
pg1-host=pprodsyngyps101
pg1-path=/global/postgresql/14/main
[global]
repo1-path=/var/lib/pgbackrest
repo1-retention-full=1
start-fast=y
repo1-block=y
repo1-bundle=y
总结
在多实例pgBackRest配置中,权限问题是常见的挑战。通过合理配置用户组和目录权限,可以既保持安全性又简化管理。对于大多数企业环境,推荐使用专用pgbackrest
用户并精细控制权限的方案,这能在安全性和便利性之间取得良好平衡。
对于特殊环境,如备份服务器本身也运行PostgreSQL实例的情况,可以考虑统一使用postgres
用户,但需评估潜在的安全风险。无论选择哪种方案,保持配置的一致性和文档的完整性都是至关重要的。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-4.6
GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】Jinja00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0113AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile011
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
218
2.23 K

暂无简介
Dart
523
116

React Native鸿蒙化仓库
JavaScript
210
285

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

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
982
580

Ascend Extension for PyTorch
Python
67
97

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++
564
87

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
399

GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】
Jinja
34
0