可观测性与稳定性 / 系统课时
先定RPO还是先定RTO
先定RPO还是先定RTO
设计恢复方案时,RPO 和 RTO 不能只写成两个孤立数字。先从业务故障场景确定最多能丢多少数据、最长能停多久,再检查备份频率和恢复能力能否同时满足这两个边界。
学习目标
- 区分 RPO 与 RTO 分别约束什么
- 从业务影响推导可接受的数据损失和中断时间
- 判断备份与恢复方案是否真正满足目标
两个目标约束不同问题
RPO(Recovery Point Objective,恢复点目标)回答的是:故障发生后,最多允许丢失多长时间范围内的数据。如果 RPO 是 15 分钟,就意味着恢复后的数据点不能比故障前落后超过 15 分钟。
RTO(Recovery Time Objective,恢复时间目标)回答的是:从故障导致服务不可用开始,到业务恢复到约定可用状态,最长允许花多久。RTO 是 2 小时,并不代表恢复操作本身可以做满 2 小时,还要把发现、决策、资源准备、数据恢复和验证计入其中。

例如订单系统在 10:00 故障,RPO 为 15 分钟,则恢复点最早应达到 09:45;如果 RTO 为 1 小时,则约定的业务恢复时间不能晚于 11:00。两者分别限制数据和时间,不能互相替代。
从业务损失反推目标
不要先看现有备份系统能做到什么,再把它的能力写成 RPO/RTO。正确顺序是先问业务:丢失数据和停止服务分别会造成什么后果。
对于支付、订单等持续写入且难以人工补录的数据,通常需要更严格的 RPO;对于静态内容或可以重新生成的数据,可以接受更大的数据窗口。RTO 同样取决于中断影响:核心交易入口与内部低频报表不应机械采用相同目标。
实际评审时,可以分别提出两个问题:如果恢复后缺少最近 30 分钟的数据,能否通过消息重放、上游记录或人工操作补齐?如果系统停机 2 小时,业务是否仍能接受?答案会比直接询问“RPO/RTO 要多少”更容易形成可验证的边界。
谁应该先确定
不存在所有系统都适用的“必须先定 RPO”或“必须先定 RTO”。两者来自不同业务约束,应该在同一次故障场景分析中分别确定,再一起验证技术方案。
如果数据不可重建,先明确数据损失边界通常更容易暴露备份频率、复制和日志保留要求;如果服务中断会迅速产生重大影响,则恢复时限会直接约束自动切换、备用资源和恢复流程。但最终方案必须同时满足两者。
用恢复演练验证目标
纸面目标只有经过演练才能转化为恢复能力。一次有效演练至少记录故障时间、实际可用恢复点、开始处置时间和业务恢复时间,然后分别计算实际数据损失窗口与中断窗口。
例如目标是 RPO 15 分钟、RTO 60 分钟,演练最终只能恢复到故障前 40 分钟的数据,即使服务 30 分钟就重新上线,RPO 仍然不达标;反过来,数据完全没有丢失但恢复用了 90 分钟,则 RTO 不达标。
因此,确定恢复目标时不要在 RPO 和 RTO 中二选一。先用业务场景分别划出数据损失和服务中断的最大可接受边界,再让备份、复制、恢复流程与演练结果共同证明这两个目标能够同时实现。