Argus

Appearance

備份與災備 ​

這是什麼 Argus 的所有狀態（user、project、plan、issue、rollout、task_run、audit_log、setting…）都在 metastore Postgres 裡。備份 metastore = 備份整個 Argus。

Argus binary 本身無狀態（除 --data 內嵌 PG 模式外），server 機器掛掉重建即可。

一句話策略 ​

項目建議
備份對象metastore Postgres（含 audit log 表）
方式PG pg_dump（邏輯）+ 連續 WAL（時間點還原）
保留期日備份 30 天 / 月備份 12 個月（依法遵調整）
演練頻率每季一次完整還原演練

備份方式 ​

方式 A：托管服務（推薦） ​

如果 metastore 跑在 AWS RDS / GCP Cloud SQL / Azure DB / 阿里雲 RDS：

  • 開啟自動備份（每日全備 + 連續 WAL）
  • Retention ≥ 30 天
  • 開啟 cross-region snapshot copy（災備）
  • 開啟 deletion protection

托管服務的備份比自架穩定得多。能用就用。

方式 B：自架 pg_dump ​

bash
# /etc/cron.daily/argus-backup
#!/bin/bash
set -euo pipefail

BACKUP_DIR=/srv/backup/argus
mkdir -p "$BACKUP_DIR"

DATE=$(date -u +%Y%m%dT%H%M%SZ)
OUT="$BACKUP_DIR/argusdev-$DATE.dump"

PGPASSWORD="$ARGUS_PG_PASSWORD" pg_dump \
  --host=metastore.internal \
  --username=argusdev \
  --dbname=argusdev \
  --format=custom \
  --compress=9 \
  --no-owner \
  --no-privileges \
  --file="$OUT"

# Verify
PGPASSWORD="$ARGUS_PG_PASSWORD" pg_restore --list "$OUT" > "$OUT.toc"

# Encrypt（建議）
gpg --batch --yes --encrypt --recipient ops@corp \
  -o "$OUT.gpg" "$OUT"
rm "$OUT"

# Upload off-site
aws s3 cp "$OUT.gpg" "s3://corp-argus-backup/daily/" --sse=AES256

# Retention（本地）
find "$BACKUP_DIR" -name "*.gpg" -mtime +7 -delete

關鍵：

  • 加密後再上傳異地（含 audit log = 含敏感資訊）
  • 異地副本（不同 region / 不同 cloud）
  • Retention 本地短、異地長
  • 備份完跑 pg_restore --list 驗證檔案完整

方式 C：WAL 連續備份（時間點還原） ​

對於 RPO 要求嚴格（< 1 小時）的環境：

bash
# PG 設定（postgresql.conf）
wal_level = replica
archive_mode = on
archive_command = 'aws s3 cp %p s3://corp-argus-wal/%f --sse=AES256'
archive_timeout = 600         # 強制每 10 分鐘 archive 一次

加上每日基底備份，即可還原到任意時間點（PITR）。

還原 ​

場景 1：metastore 整個掛掉 ​

預估時間：30 分鐘 – 2 小時（依資料量）。

  1. 凍結：把 Argus server 關掉，避免新寫入產生於不完整 metastore：

    bash
    docker compose stop argus           # 或 kubectl scale deploy/argus --replicas=0

  2. 建新 PG（同版本，相同字元集）：

    bash
    psql -U postgres <<SQL
CREATE USER argusdev WITH PASSWORD '<same as before or rotated>';
CREATE DATABASE argusdev OWNER argusdev ENCODING 'UTF8' LC_COLLATE 'C' LC_CTYPE 'C' TEMPLATE template0;
SQL

  3. 還原：

    bash
    # 從加密備份還原
gpg --decrypt argusdev-20260524T021500Z.dump.gpg > restore.dump
PGPASSWORD="$ARGUS_PG_PASSWORD" pg_restore \
  --host=metastore.internal \
  --username=argusdev \
  --dbname=argusdev \
  --no-owner \
  --no-privileges \
  restore.dump
rm restore.dump

  4. 驗證：

    sql
    SELECT count(*) FROM principal;
SELECT count(*) FROM project;
SELECT count(*) FROM plan;
SELECT count(*) FROM issue;
SELECT count(*) FROM task_run;
SELECT max(ts) FROM audit_log;     -- 確認備份新鮮度

  5. 重啟 Argus，跑 smoke test（驗證）。

場景 2：誤刪 / 誤改個別資料 ​

⚠️ 通常不從備份還原整個 metastore（成本太大）。改採以下方法：

  1. 把備份還原到獨立的暫存 PG instance
  2. 從暫存 instance 抽出需要的 rows
  3. 用 SQL 寫進當前 metastore（手動審核每筆）

任何 metastore 手動 DML 都要兩人對審 + 寫進事件單。

場景 3：時間點還原（PITR） ​

需 WAL 連續備份。流程依託管服務或自架方式不同：

  • RDS：在 console 選「Restore to point in time」
  • Cloud SQL：「Clone instance at point in time」
  • 自架：用 recovery_target_time 設定還原

詳細指令依 PG 版本：PostgreSQL Documentation — Continuous Archiving and PITR。

災備拓樸 ​

RPORTO推薦
< 1h< 4h同 region 多 AZ 主備 + 異地每日備份
< 15min< 1h跨 region streaming replication + WAL 異地
< 5min< 30min跨 region 主從同步 + 自動 failover

不要為了過度低的 RPO/RTO 把架構搞太複雜。Argus 不是線上交易系統，4 小時 RTO 對絕大多數公司夠用。

演練 SOP ​

每季一次：

  • [ ] 從昨日備份還原到隔離環境
  • [ ] 紀錄還原耗時（找瓶頸）
  • [ ] 用備份指紋（SELECT count(*) FROM audit_log WHERE ts > ...）驗證 RPO
  • [ ] 跑 smoke test（煙霧測試 SOP）
  • [ ] 對比 dump 與 source 的 row count
  • [ ] 把結果寫進演練記錄

如果某季沒演練 → 視同備份未驗證。

不要做的事 ​

反模式為什麼
只在本地放備份一次火災 / 區域故障全沒
備份不加密metastore 含 audit log + IdP 設定 + IAM policy
從未演練還原你不知道備份其實壞掉
把備份保留期設太短法遵稽核期間可能要回溯數月前狀態
還原時直接覆寫生產 metastore一旦發現備份是壞的就回不去了 — 永遠先還原到隔離環境

相關 ​

Argus — 公司內部資料庫變更審計平台