|
|
|
經歷了兩天不懈努力，終于恢復了一次誤操作刪除的生產服務器數據。對本次事故過程和解決辦法記錄在此，警醒自己，也提示別人莫犯此錯。也希望遇到問題的朋友能找到一絲靈感解決問題。
事故背景
安排一個妹子在一臺生產服務器上安裝Oracle,妹子邊研究邊安裝,感覺裝的不對,準備卸載重新安裝。從網上找到卸載方法，其中要執行一行命令刪除Oracle的安裝目錄，命令如下：
rm -rf $ORACLE_BASE/*
如果ORACLE_BASE這個變量沒有賦值，那命令就變成了
rm -rf /*
==||，妹子使用的可是root賬戶啊。就這樣，把整個盤的文件全部刪除了，包括應用Tomcat、MySQL數據庫 and so on。
(mysql數據庫不是在運行嗎?linux能刪除正在執行的文件?反正是徹底刪除了，最后還剩一個tomcat的log文件，估計是文件過大，一時沒有刪除成功)
看著妹子自責的眼神，又是因為這事是我安排她做的，也沒有跟她講清厲害關系，沒有任何培訓，責任只能一個人背了，況且怎么能讓美女背負這個責任呢?
打電話到機房，將盤掛到另一臺服務器上，ssh上去查看文件全部被清，這臺服務器運行的可是一個客戶的生產系統啊，已經運行大半年了，得盡快恢復啊。于是找來脫機備份的數據庫，發現備份文件只有1kb，里面只有幾行熟悉的mysqldump注釋(難道是crontab執行的備份腳本有問題)，最接盡的備份也是2013年12月份的了，真是屋漏偏逢連夜雨啊。
想起來一位領導說過的案例：當一個生產系統掛掉以后，發現所有備份都有問題，刻錄的光盤也有劃痕，磁帶機也壞了(一個業界前輩，估計以前還用光盤做備份了)，沒想到今天真的應驗到我的身上了，怎么辦??
部門領導知道情況后，已經做了最壞的B計劃:領導親自帶隊和產品AA周日趕到客戶所在的地市，星期一去領導層溝通;BB和CC去客戶管理員那邊想辦法說服客戶。
救命稻草--ext3grep
趕快到網上去查資料進行誤刪數據恢復，還真找到一款ext3grep能夠恢復通過rm -rf刪除的文件，我們磁盤也是ext3格式，且網上有不少的成功案例。于是燃起了一絲希望，趕快對盤umount，防止重新寫入補刪文件扇區。下載ext3grep，安裝(編譯安裝過程艱辛暫且不表)。
先執行掃描文件名命令：
ext3grep /dev/vgdata/LogVol00 --dump-names
打印出了所有被刪除文件及路徑，心中狂喜，不用執行B計劃了，文件都在呢。
這款軟件不能按目錄恢復文件，只能執行恢復全部命令：
ext3grep /dev/vgdata/LogVol00 --restore-all
結果當前盤空間不足，沒辦法只能恢復文件，嘗試了幾個文件，居然部分成功部分失敗
ext3grep /dev/vgdata/LogVol00 --restore-file var/lib/mysql/aqsh/tb_b_attench.MYD
心里不禁一涼，難道是刪除磁盤上被寫過文件了?恢復機率不大了啊，能恢復幾個算幾個吧，說不定重要數據文件剛好在能恢復的MYD文件中。于是先將所有文件名重定向到一個文件文件中
ext3grep /dev/vgdata/LogVol00 --dump-names >/usr/allnames.txt
過濾出來所有mysql數據庫的文件名存成,mysqltbname.txt
編寫腳本恢復文件：
while read LINE
do
echo "begin to restore file " $LINE
ext3grep /dev/vgdata/LogVol00 --restore-file $LINE
if [ $? != 0 ]
then
echo "restore failed, exit"
# exit 1
fi
done < ./mysqltbname.txt
執行，大概運行了20分鐘，恢復了40多個文件，但不夠啊，我們將近100張表，每張表frm,myd,myi三個文件，怎么說也有300多個左右啊!!將找回來的文件附到現有數據庫上，更要文件權限為777后，重啟mysql，也算是找回一部分數據了，但客戶重要的考勤簽到數據、手機端上報數據(據說客戶按這些數據做員工績效的)還沒找回來啊。
咋辦?中間又試了另一款工具extundelete，跟ext3grep語法基本一致，原理應該也一樣了，但是據說能按目錄恢復，好吧試一試。
extundelete /dev/vgdata/LogVol00 --restore-directory var/lib/mysql/aqsh
果然不出所料，恢復不出來!!!!!!!!那些文件已被破壞了。跟領導匯報，執行B計劃吧。。。無奈之下下班回家(周末了，回去休息一下，想想辦法吧)
靈機一動：binlog
第二天早晨一早就醒了(心里有事啊)，背上電腦，去公司(這個周末算是報銷了，不挨批，通報，罰款，開除就不錯了，還過什么周末啊)。
依舊運行ext3grep，extundelete，也就那幾招啊，把系統架到測試服務器上，看看數據能不能想辦法補一補吧。在測試服務器上進行mysqldump，恢復文件，覆蓋恢復回來的文件，給文件加權限，重啟mysql。
wait,wait，不是有binlog嗎?我們服務都要求開啟binlog，說不定能通過binlog里恢復數據呢?
于是從dump出來的文件名里找到binlog的文件，一共三個，mysql-binlog0001,mysql-bin.000009,mysql-bin.000010，恢復一下0001
ext3grep /dev/vgdata/LogVol00 --restore-file var/lib/mysql/mysql-bin.000001
居然失敗了……
再看另兩個文件，mysql-bin.000010大概幾百MB，應該靠譜一點，執行還原命令，居然成功了!
趕快scp到測試服務器。執行binlog還原。
mysqlbinlog /usr/mysql-bin.000010 | mysql -uroot -p
輸入密碼，卡住了(好現象)，經過漫長的等待，終于結束了。打開應用，哦，感謝cctv,mtv，數據回來了!
后記
經過此次事故，雖然數據很幸運能找回來了，但是過程卻是驚心動迫。也為自己的錯誤所帶來的后果，給同事和領導帶來的連帶責任而后怕。也希望謹記此次事故，以后不再犯同樣的錯誤。事故反思如下：
1.本次安排MM進行服務器維護時沒有提前對她進行說明厲害情況，自己也未重視，管理混亂，流程混亂。一個在線的生產系統，任何一個改動一定要先謀而后動。
2.自動備份出現問題，沒有任何人檢查。脫機備份人員每次從服務器上下載1k的文件卻從未重視。需要明確大家在工作崗位上的責任。
3.事故發生后，沒有及時發現，造成部分數據寫入磁盤，造成不可恢復問題。需要編寫應用監控程序，服務一旦有異常，短信告警相關責任人。
根據評論提醒,再加一條:
4.不能使用root用戶來操作。應該在服務器上開設不同權限級別的用戶。
通過本次事故，幾位跟這個項目和事故沒有任何關系的同事，主動前來幫忙，查資料，幫測試，有一位同事還幫忙到晚上1點多鐘進行數據恢復測試。同時產品經理在想到面向客戶的巨大壓力的情況下，沒有慌亂而責怪開發人員和具體操作人，而讓大家能靜下心來想解決方案。部門領導也積極主動的幫忙想辦法，陪我們加班測試，實時跟蹤事情進程。
通過大家的共同努力，終于事情相對圓滿結束，接下來，周一上午進行集體反思，總結經驗教訓，這類事故一定盡量大努力進行避免。
本文所用到的工具鏈接：
1.ext3grep:https://code.google.com/p/ext3grep/
編譯安裝依賴包比較多，可以到網上搜索如何安裝。可惜的是作者給出的howto被墻了，我FQ將how to 的pdf文檔下載下來了，讀完后你將會對linux的文件系統有進一步的認識。下載howto。
這個工具有一個bug，出錯后不會向下執行ext3grep: init_directories.cc:534: void init_directories(): Assertion `lost_plus_found_directory_iter != all_directories.end() failed.，從而造成恢復失敗，作者放出了一個補丁，下載地址：補丁下載。不明白為什么作者新版沒有把這個補丁加進去。
2.extundelete：http://extundelete.sourceforge.net/
功能跟ext3grep差不多，原理應該也差不多。只是號稱可以還原目錄，我這里沒有試驗成功。
|
|
發表留言請先登錄！
|