このページの内容
同じではない4つの仕組み
同じではない4つの仕組み
Redisのデータ損失のほとんどは、これらのうちどれかを別のものと取り違えたことに起因します。
| 仕組み | 防げるもの | 防げないもの |
|---|---|---|
| レプリケーション | 1台のノードの喪失 | 誤った書き込み、誤ったFLUSHALL、壊れたキー。これらは即座にコピーされます |
| RDBスナップショット | プロセスやホストの喪失(直近のスナップショットの時点まで復旧) | そのスナップショット以降に書き込まれたすべてのデータ |
| AOF | プロセスの喪失(デフォルトのfsyncなら1秒以内の損失で復旧) | 同じボリューム上に置いている場合のファイルシステムの喪失 |
| ホスト外へのバックアップ | ホスト、ボリューム、リージョンの喪失、運用者の操作ミス | リストアを一度もテストしていなければ、何も防げません |
RDBとAOFが守るものは異なる
RDBスナップショットは、ある時点のデータセットをforkしてコンパクトなファイルとして書き出したものです。読み込みが速く、ホスト外へ送るのも手軽ですが、前回のスナップショット以降に書き込まれたデータはすべて失われます。AOFはすべての書き込みをログに追記し、デフォルトの毎秒fsyncなら失われるのはせいぜい1秒程度ですが、起動時にリプレイするため、データセットが大きいと読み込みに時間がかかります。
本番環境の多くは両方を使っています。リカバリポイントのためにAOFを、ホスト外へ持ち出せるポータブルな成果物のために定期的なRDBを使う形です。どちらも使わない構成は、ビルドによってはこれがデフォルトですが、再起動がそのまま全データの喪失につながります。
永続化はデフォルトではなく、明示したRPOから選ぶ
設定を決めるのは、ビジネスがどれだけのデータ損失を許容できるかという問いです。秒単位か分単位かで表します。この問いを誰も立てないため、答えは最初にコピーした設定ファイルからそのまま引き継がれ、たいていは最初の本物のインシデントで間違いだったと判明します。
アプリケーションのオーナーから具体的な数値を引き出し、それを満たす仕組みを選んでください。秒単位なら適切なfsyncポリシーでのAOF、分単位ならそれに見合った間隔でのRDB、ゼロならそのデータについてRedisをシステム・オブ・レコードにすべきではない、ということです。
レプリケーションはバックアップではない
レプリカは、プライマリから送られてきたものを数ミリ秒以内にそのまま適用します。これで防げるのはハードウェア障害だけです。誤って実行したFLUSHALL、不正なデータを書き込むアプリケーションのバグ、運用者が削除したキーは、誰かが気づく前にすべてのレプリカへ忠実に複製されます。
バックアップは、プライマリのホストから離れ、その影響範囲の外に保管された別のコピーでなければなりません。また、被害が始まった時点より前まで遡れるだけの世代を保持しておく必要があります。
成果物をホストの外へ、スケジュールどおりに、保持期間を決めて
データセットと同じボリューム上にあるRDBファイルが耐えられるのはプロセスのクラッシュまでで、それより大きな障害には耐えられません。バックアップが本当の意味で存在するのは、オブジェクトストレージ、別のリージョン、別のアカウントなど、どこか別の場所に置かれたときです。
ステップ2で決めたRPOに合わせたスケジュールを設定し、数日後に発覚した被害からも復旧できるだけの世代を保持し、保存時の暗号化を行ってください。Redisのダンプには、すべての値が平文で含まれているからです。
サイト間の復旧:障害が起きる前に方式を決めておく
リージョン間の選択肢には、非同期レプリケーション、ウォームスタンバイ、バックアップからのリストアがあり、RPOとコストの両面で桁違いの差があります。一部の商用ビルドではアクティブ/アクティブ構成も利用できますが、アプリケーション側がそれを前提に書かれている必要のある競合解決ルールを伴います。
書き出したRPOとRTOに照らして方式を選び、フェイルオーバーは、ネットワーク分断の最中に自動化が勝手に試みるものではなく、責任者を明確にした明示的な判断にしてください。
リストアをリハーサルする。失敗するのはそこだから
バックアップジョブは確実に成功を報告します。リストアが失敗するのは、誰も確認していなかった部分です。異なるバージョンのRedisで取得したダンプ、データセットより小さいリストア先のメモリ上限、異なるスロット配置へのクラスターのリストア、一度もリライトされずリプレイに何時間もかかるAOFなどです。
定期的に検証用の環境へリストアし、所要時間を計測して記録してください。その時間こそが本当のRTOで、それ以外はすべて見積もりにすぎません。
マネージドサービスの範囲と、お客様の責任として残る範囲を把握する
ElastiCache、Azure Cache、Memorystore、Redis Cloudはいずれもスナップショットを取得しますが、それぞれに保持期間の上限、リージョン間の挙動、エクスポートのルールがあります。どれも行わないのは、お客様のRPOを決めること、最大の保持期間を超えて保持すること、そしてリストアがお客様のRTOを満たすかをテストすることです。
マーケティングのページではなく、ご利用中のティアの具体的な制限を確認し、保持期間がプラットフォームの上限を超える必要がある場合は、独立したエクスポートを保持してください。
Valkey:仕組みは同じ、サポートの問題が異なる
ValkeyはRedis 7.2からフォークしたもので、RDB、AOF、レプリケーションをそのまま引き継いでいるため、ここまでの内容はすべて当てはまります。変わるのは、プラットフォームのプロバイダーが正式にはサポートしていないフォークでリストアが失敗したときに、誰がそれを直すのかという点です。
移行を進めている場合は、切り替えの期間中は両側でバックアップを保持し、ロールバックが必要になるかもしれない方向でダンプの互換性を確認しておいてください。
リストアの担当者を、必要になる前に決めておく
テスト済みのバックアップがあっても、それを使う担当者が決まっていなければ、それは復旧計画ではなく単なる文書です。リストアはたいてい業務時間外に、プレッシャーの中で、しかも永続化を設定した担当者がいない日に行われます。
ランブックを書き、責任者を指名し、エスカレーションの経路を確認してください。社内にRedisのオンコール体制がない場合、そのギャップを埋めるのがサポート契約です。
よくある質問
Redisのレプリケーションはバックアップになりますか?
なりません。レプリカはプライマリから送られてきたものを数ミリ秒以内に適用するため、誤ったFLUSHALL、アプリケーションのバグ、運用者による削除は、誰かが気づく前にすべてのレプリカに届きます。レプリケーションで防げるのはノードの喪失です。バックアップとは、ホストの外に保管され、被害の発生前まで遡れるだけの世代を保持した、別のコピーのことです。
Redisの永続化にはRDBとAOFのどちらを使うべきですか?
通常は両方です。AOFはリカバリポイントを決めるもので、デフォルトの毎秒fsyncなら損失は約1秒です。一方、定期的なRDBは、ホスト外へ送れるコンパクトでポータブルなファイルになります。デフォルトではなく、明示したRPOに基づいて選んでください。秒単位ならAOF、分単位ならそれに見合った間隔でのRDB、ゼロならそのデータについてRedisをシステム・オブ・レコードにすべきではありません。
Redisを別のリージョンにバックアップするにはどうすればよいですか?
RPOに合わせたスケジュールで、RDBスナップショットを第2リージョンのオブジェクトストレージに送ります。ダンプにはすべての値が平文で含まれるため、保存時の暗号化も行います。より小さいRPOが必要なら、非同期のリージョン間レプリケーションかウォームスタンバイを使い、フェイルオーバーは、ネットワーク分断の最中に自動化が勝手に動くのではなく、明示的な判断として行います。
Redisの現実的なRTOはどのくらいですか?
検証用の環境へのリストアに実際にかかった時間です。それが唯一の正直な数字です。一度もリライトされていない大きなAOFファイルはリプレイに時間がかかり、異なるスロット配置へのクラスターのリストアは、単一ノードのリストアより長くかかります。リハーサルしたことのない見積もりは、たいていかなり楽観的です。
ElastiCacheやAzure CacheはRedisをバックアップしてくれますか?
スナップショットは取得しますが、ティアごとに保持期間の上限、リージョン間の挙動、エクスポートのルールが異なります。お客様のRPOを決めること、最大の保持期間を超えて保持すること、リストアがお客様のRTOを満たすと証明することは行いません。保持期間がプラットフォームの上限を超える必要がある場合は、独立したエクスポートを保持してください。