跳到主要内容

C3-14-Multi-AZ、Multi-Region-与灾备

资料口径：本模块以用户提供的 719 道 CLF-C02 题库与前序 C1/C2 项目资料为基础。题库的 correct_answer、社区投票与评论用于发现考点和争议，不自动等于当前 AWS 官方结论；本模块没有在生成过程中擅自用外部常识覆盖题库内容。凡现有项目已经明确标记为 [UPDATED]、[LEGACY]、[CURRENT-OUT-OF-SCOPE] 的内容，会继续保留这些状态提示。正式考试前，涉及当前产品状态和 Support 计划等时效信息仍应再对照 AWS 官方页面。

1-本章目标​

用 RTO/RPO 把 Multi-AZ、Multi-Region、Backup、Replication、DNS Failover 和成本放到同一框架中。这一层已经不是“服务是什么”的 C2，而是要回答：为什么把这些服务这样组合，以及需求变化时架构为什么也要变化。

2-先看完整业务链路​

Tokyo Region (Primary)
 ├── AZ-A Compute/DB
 └── AZ-B Compute/DB
        │
        │ replication / backup / data copy
        ▼
Osaka Region (DR / Secondary)
 ├── Warm/Standby resources
 └── Data copies

Route 53 / DNS Failover → Region 切换
RTO/RPO 决定复制频率、备用容量和成本

读这张图时建议沿四条线同时看：

  1. Request Path：用户请求怎么进来、经过哪里、在哪里返回。

  2. Data Path：数据在哪里读写、缓存、复制、分析。

  3. Failure Path：某个节点失败后，流量和数据怎么继续。

  4. Control Path：IAM、监控、审计、IaC、成本怎样横向控制整条链路。

3-服务在这条链路中的职责​

层/服务解决的问题为什么放在这里
Multi-AZRegion 内故障隔离首先处理单 AZ/组件故障
Multi-RegionRegion 级故障与全球需求更大故障域但复杂度/成本更高
RTO最多允许停多久决定备用环境恢复速度
RPO最多允许丢多少数据决定复制/备份频率
Route 53DNS Failover/路由把用户切换到健康 Region
Backup/Replication恢复数据不是只有 Compute 需要 DR

4-如果从最简单架构逐步演进​

4.1-第一阶段：先让业务跑起来​

最初实现通常会把组件尽量减少，例如单个应用节点、一个数据库、一个对象存储。这样开发快，但很快会暴露容量、单点、权限和运维问题。

4.2-第二阶段：把单点和性能瓶颈拆开​

开始引入多实例、缓存、托管数据库、独立存储、异步组件等。此时最重要的变化不是“服务变多”，而是职责被拆开：计算不再承担持久化，数据库不再承担静态文件，核心事务不再等待外围任务。

4.3-第三阶段：让系统可以长期运营​

再加入 Multi-AZ、监控告警、审计、加密、自动化部署、预算与治理。架构从“能运行”变成“能在故障、流量高峰、人员变化和合规要求下持续运行”。

4.4-第四阶段：只有业务真的需要时才增加更高复杂度​

Multi-Region、复杂事件驱动、跨账号治理、数据湖、AI 等都不是“默认越多越好”。它们会带来额外成本、数据一致性和运维复杂度，应由明确业务约束驱动。

5-设计时真正要做的判断​

5.1-HA-与-DR-的边界​

Multi-AZ 典型解决高可用；Region 级灾备需要额外 Multi-Region 设计。

5.2-RTO/RPO-越小越好吗？​

越严格通常意味着更高成本和复杂度，应由业务需求驱动。

5.3-Backup-与-Replication-的差异​

Replication 复制最新状态也可能复制错误；Backup 提供历史恢复点。

5.4-Active-Active-是否总是最好？​

它可提供很强可用性，但数据一致性、成本和运维复杂度也最高。

6-同一架构还必须从四个横向视角检查​

6.1-Security-/-Identity​

  • 谁在访问？Human、Application、AWS Service 还是外部系统？
  • 能否使用 IAM Role / Federation / 临时凭证，避免长期硬编码 Access Key？
  • 数据是否需要 KMS 加密、Secrets Manager 管理 Secret、TLS 保护传输？
  • 网络开放是否遵循最小暴露原则？

6.2-Observability-/-Operations​

  • CloudWatch 是否能看到关键 Metrics、Logs 和 Alarm？
  • CloudTrail 是否能回答“谁修改了 AWS 资源”？
  • AWS Config 是否能看到关键配置变化/合规状态？
  • 是否有清晰的 Runbook、重试、恢复和 IaC 方式？

6.3-Reliability-/-Recovery​

  • 单实例、单 AZ、单数据库、单 Region 中哪些仍然是 SPOF？
  • 数据恢复依赖 Backup、Replication 还是重新计算？
  • RTO/RPO 是否由业务明确，而不是架构师凭感觉决定？

6.4-Cost-/-Efficiency​

  • 哪些资源必须 24x7，哪些可以随需求扩缩？
  • 哪些数据是热数据、冷数据、归档数据？
  • 是否存在因为“为了保险”长期保留的过度配置？
  • 成本是否能够通过 Account/Tag/Cost Explorer 归属到业务？

7-故障、风险与替代路径​

  • Region 故障时只有 Compute 副本但没有数据：无法恢复业务。
  • DNS 已切换但依赖外部系统仍指向主 Region：需端到端 DR。
  • 备份无法恢复：必须演练。
  • 安全凭证/KMS/Secrets 未跨区域准备：DR 时关键依赖缺失。

7.1-一个通用故障推理模板​

组件 X 失败
   ↓
它是有状态还是无状态？
   ↓
是否存在冗余实例 / AZ / Region？
   ↓
流量如何发现故障并绕开？
   ↓
数据从哪里恢复？
   ↓
CloudWatch / CloudTrail / Config 能否解释发生了什么？
   ↓
恢复后如何避免再次发生？

8-与-C2-知识的连接​

  • C2-01：HA/DR/RTO/RPO
  • C2-05：RDS Multi-AZ
  • C2-04：Backup/Replication
  • C2-07：Route 53
  • C2-16：Reliability

9-与后续-C4-题库解析的关系​

C3 不以背题库答案为目标。进入 C4 后，同一个场景会被拆成很多单点选择题。例如架构图里只有一条“用户访问链路”，考试可能分别问 DNS、CDN、WAF、Load Balancer、Auto Scaling、数据库、Cache、监控。正确复习方式是先能在 C3 中解释完整链路，再去 C4 看题目把哪个局部切出来考。

10-本章检查清单​

  • 我能不看图，按顺序说出请求/数据经过哪些层。
  • 我能解释每个服务为什么存在，而不只是说服务定义。
  • 我能指出至少一个 SPOF，并说出如何缓解。
  • 我能区分性能优化与高可用优化。
  • 我能区分网络访问控制与 IAM 权限。
  • 我能指出哪些数据是 Source of Truth，哪些只是 Cache/派生数据。
  • 我能说明出现故障后去 CloudWatch / CloudTrail / Config 分别查什么。
  • 我能说出一个成本优化点，同时说明它不能破坏什么业务约束。
  • 我能说明如果业务规模缩小，哪些组件可以被简化。
  • 我能说明如果 RTO/RPO 变严格，架构为什么会更复杂/更贵。

11-本章最后要形成的架构直觉​

不要问“这个架构用了哪些 AWS 服务”，而要问：每一层正在解决什么业务约束、故障模式和运维责任；如果约束变化，服务选择是否也应该变化。