特殊时期聊阿里云快照

简介: 快照是信息安全的最后一道防线

前几天收到一封来自阿里云的邮件:

尊敬的用户:
您好!
感谢您长期对阿里云快照服务的信任与支持。为了满足更严格的数据合规要求以及提供更安全的数据保护服务。阿里云快照服务进行了重大优化升级,单云盘可创建并保留512个快照,其中包含256个手工快照以及256个自动快照

1.png

这里就不解释什么是COW什么是ROW了,反正不知道阿里云用了什么黑科技可以为一块云盘保留512个快照,注意这里是每块云盘哈,这512个快照中有256个是留给自动快照的,这意味着我们可以每个小时为云盘做一个快照,并可以保留10天以上,在当下的敏感时期正好就可以启用这样的策略,让阿里云快照成为云上信息安全的最后一道防线,有了快照兜底,最坏情况就是让服务器恢复到十天之内的某个时间点。
2.jpg

如上图所示,现在可以创建这样的策略,每天创建24个快照,并选择持续保留,这样最早的快照会被冲掉,这样为一块云盘最多能够保留10天以上的快照。
作为用户,在选择一项服务时不仅会关注价值,同时也会关注成本,假如我们这样做了,需要付出多大的代价呢?
以下信息来自于阿里云官网:
3.jpg

性能差异10%,相信对于绝大多数用户都不会太在意。在成本上,阿里云快照会存储到OSS,将按照实际占用的OSS存储空间进行计费,可通过购买OSS存储资源包来进行抵扣,假如无可用的存储资源包进行按量计费。
以下信息来自于阿里云有关快照原理的描述:

云盘格式化后会在逻辑块地址(LBA)的基础上划分数据块(Block)。一旦数据块有业务数据写入,就将参与计量。云盘第一份快照是全量快照,不拷贝空数据块。后续快照均是增量快照,拷贝自上一个快照以来的增量业务数据和脏数据。

为了能够更好的理解上面这段话,让我们来做一个测试,一个50GB的系统盘。
4.jpg

做第一个快照,空间占用2.80G,看来空数据块很多呀。
5.jpg

给这台服务器挂载一块数据盘,30G。
6.jpg

直接做快照,空间占用0GB,因为全是空数据块。
7.jpg

分区和格式化,格式化过程中要在磁盘中很多数据块中写入元数据。
8.jpg

从服务器内部看这块数据盘的空间。
9.jpg

快照,已经有些许的空间占用了,占用0.65GB,而不是30G,是增量没错。
10.jpg

向数据盘写入1GB的数据。
11.jpg

做快照,快照容量2.31GB,发现增加的空间要小于1GB,这是什么道理?作为用户,咱们不用太去操心。
12.jpg

数据盘写入10GB的数据。
13.png

再次快照,快照容量13.34G,已经做了四次快照了,期间还向数据盘写入了11GB的数据。
14.jpg

好了,有关快照就说这么多了,在这个特殊的时期,这样的代价您能承受么?

目录
相关文章
|
消息中间件 数据采集 运维
一份运维监控的终极秘籍!监控不到位,宕机两行泪
【10月更文挑战第25天】监控指标的采集分为基础监控和业务监控。基础监控涉及CPU、内存、磁盘等硬件和网络信息,而业务监控则关注服务运行状态。常见的监控数据采集方法包括日志、JMX、REST、OpenMetrics等。Google SRE提出的四个黄金指标——错误、延迟、流量和饱和度,为监控提供了重要指导。错误监控关注系统和业务错误;延迟监控关注服务响应时间;流量监控关注系统和服务的访问量;饱和度监控关注服务利用率。这些指标有助于及时发现和定位故障。
1084 2
|
存储 缓存 监控
DNS 定期刷新缓存
【8月更文挑战第18天】
1055 2
|
关系型数据库 MySQL 中间件
MySQL 中如何实现分库分表?常见的分库分表策略有哪些?
在MySQL中,分库分表(Sharding)通过将数据分散到多个数据库或表中,以应对大量数据带来的性能和扩展性问题。常见策略包括:哈希分片(分布均匀,查询效率高)、范围分片(适合范围查询)、列表分片(适用于特定值查询)、复合分片(灵活性高)和动态分片(灵活应对负载变化)。每种策略各有优劣,需根据业务需求选择。常用工具如MyCAT、ShardingSphere和TDDL可简化实现过程。
|
存储 分布式计算 大数据
Flume+Hadoop:打造你的大数据处理流水线
本文介绍了如何使用Apache Flume采集日志数据并上传至Hadoop分布式文件系统(HDFS)。Flume是一个高可用、可靠的分布式系统,适用于大规模日志数据的采集和传输。文章详细描述了Flume的安装、配置及启动过程,并通过具体示例展示了如何将本地日志数据实时传输到HDFS中。同时,还提供了验证步骤,确保数据成功上传。最后,补充说明了使用文件模式作为channel以避免数据丢失的方法。
814 4
ly~
|
消息中间件 存储 数据库连接
RocketMQ 消息的重试机制是怎样的?
RocketMQ的消息重试机制确保消息消费失败时能自动重试,直至成功。默认重试16次,时间间隔逐次翻倍,从10秒至数分钟不等。重试在同组内不同消费者间进行,由异常抛出或特定状态返回触发。支持自定义重试次数与时间间隔,建议合理配置避免无限重试,保障系统稳定性和性能。
ly~
4304 2
|
分布式计算 大数据 Hadoop
Python大数据之PySpark(二)PySpark安装
Python大数据之PySpark(二)PySpark安装
1278 0
|
算法 计算机视觉
【MATLAB 】VMD信号分解+FFT傅里叶频谱变换组合算法
【MATLAB 】VMD信号分解+FFT傅里叶频谱变换组合算法
1306 0
|
SQL 数据可视化 数据挖掘
货拉拉云台系统架构设计(简称:BI(商业智能)可视化平台)
货拉拉云台是货拉拉内部自研BI(Business Intelligence(商业智能),简称:BI)可视化平台。 截至2022年12月,货拉拉业务范围已覆盖352座中国内地城市,月活司机达66万,月活用户达950万,随着公司业务不断扩张,对数据分析和数据价值转化的需求愈加明显,原先提供的数据分析平台在一定程度上已经无法满足业务的多样化需求,且无法直接与公司现有的权限管理系统、业务应用系统打通,更存在一定的数据权限管控和数据泄露风险,此时打造自研BI平台的迫切性越来越强,货拉拉云台便应运而生。
|
存储 缓存 分布式计算
大数据Spark RDD持久化和Checkpoint
大数据Spark RDD持久化和Checkpoint
404 0
|
弹性计算 监控 负载均衡
《泛娱乐行业技术服务白皮书》——三、泛娱乐典型业务架构与场景——3.2 游戏类泛娱乐——3.2.2 游戏泛娱乐技术服务(6)
《泛娱乐行业技术服务白皮书》——三、泛娱乐典型业务架构与场景——3.2 游戏类泛娱乐——3.2.2 游戏泛娱乐技术服务(6)
260 0