pgBackRest连接Cohesity S3存储的配置要点解析
背景介绍
pgBackRest作为PostgreSQL数据库的备份恢复工具,支持多种存储后端,包括S3兼容存储。在实际生产环境中,用户经常需要将备份从公有云S3服务迁移到本地S3兼容存储解决方案,如Cohesity S3。本文针对这一迁移过程中的关键配置问题进行深入解析。
核心问题分析
当用户从AWS S3迁移到Cohesity S3时,常见的403 Forbidden错误通常由以下几个因素导致:
-
URI风格不匹配:Cohesity等S3兼容存储通常需要使用路径(path)风格的URI,而非AWS默认的虚拟托管(virtual-hosted)风格。
-
端点配置不当:用户容易将bucket名称作为路径附加到端点URL中,这种配置在某些S3实现中可能被接受,但不符合标准S3协议规范。
-
TLS验证问题:自签名证书或内部CA签发的证书可能导致验证失败。
解决方案详解
1. 正确设置URI风格
在pgBackRest配置中必须显式指定:
repo1-s3-uri-style=path
这一参数告知pgBackRest使用路径风格的请求URI,格式为http://endpoint/bucket/key,而非AWS默认的虚拟托管风格http://bucket.endpoint/key。
2. 规范端点配置
端点(Endpoint)配置应仅包含主机名和端口,不包含路径或bucket名称。错误配置示例:
repo1-s3-endpoint=cohesity-fip.fa.franke.world:3000/DPS_Backup # 错误
正确配置应为:
repo1-s3-endpoint=cohesity-fip.fa.franke.world:3000 # 正确
repo1-s3-bucket=DPS_Backup # 单独指定bucket
3. 证书验证处理
对于内部部署的S3服务,可能需要禁用TLS验证:
no-repo1-storage-verify-tls
但在生产环境中,建议正确配置CA证书链而非完全禁用验证。
配置最佳实践
完整的pgBackRest S3配置示例:
[global]
repo1-type=s3
repo1-path=/fce01tst/oncite-dps/infra-postgres
repo1-s3-bucket=DPS_Backup
repo1-s3-endpoint=cohesity-fip.fa.franke.world
repo1-s3-port=3000
repo1-s3-uri-style=path
repo1-s3-key=<access-key>
repo1-s3-key-secret=<secret-key>
迁移注意事项
-
测试验证:迁移前使用
pgbackrest repo-ls命令验证配置是否正确。 -
权限检查:确保S3存储桶的ACL和IAM策略正确设置,允许来自备份主机的访问。
-
性能考量:本地S3存储通常具有更高的带宽和更低的延迟,可适当调整pgBackRest的并行参数。
-
监控调整:监控备份性能指标,根据实际吞吐量优化缓冲区大小等参数。
技术原理深入
pgBackRest实现S3协议时严格遵循AWS S3 REST API规范。路径风格的URI是早期S3的标准,而虚拟托管风格是AWS后来引入的优化。大多数S3兼容存储为了简化实现,通常只支持路径风格。
当遇到403错误时,pgBackRest会输出详细的请求和响应头信息,这对诊断认证和授权问题非常有帮助。管理员应仔细检查这些信息,确认请求签名是否正确、时间戳是否有效以及权限是否充足。
通过正确理解这些配置要点,用户可以顺利完成从公有云S3到本地S3存储的备份架构迁移,确保数据库备份的可靠性和安全性。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C042
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0121
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