RTO 计算：IT 恢复规划

IT 基础设施恢复：RTO 和 RPO 规划与计算

为了最大限度减少停机时间，团队为每个故障点定义事件定位时间。这是支持人员准确定位问题的最长时间。主要步骤：

• 为用户服务及其依赖项制定诊断流程。
• 建立监控机制，实现问题早期检测。
• 制定升级规则：业务影响问题立即警报值班人员，部门5分钟内定位后引入专家。
• 培训支持团队掌握基础设施依赖关系和故障排查技能。

定位时间是所有故障点中的最长值，用于后续 RTO（恢复时间目标） 计算。

恢复阶段所需资源

灾难恢复分为四个阶段：从服务完全失效到系统和备份全面恢复。重点关注第三阶段——恢复服务，即使基础设施存在一定退化。所需资源：

• 容量匹配的备用硬件。
• 快速访问的数据和配置备份。
• 软件安装包。
• 访问凭证：物理访问和登录信息。
• 熟练人员。

根据故障点调整细节：电力故障需柴油发电机或异地设施，DNS 需注册商联系人，UPS 切换。

记录每个故障点的资源可用性和缺口。

服务最小 RTO 计算

恢复流程：检测 → 定位 → 完整故障点恢复。只有完整恢复时间才有保障，因为临时修复不可预测。考虑依赖链（图示第一循环部分）。

依赖链中最长场景决定最小保障 RTO。如果过高：

• 准备模板加速流程。
• 缩短诊断时间（可能导致数据丢失风险）。
• 重构架构提升恢复速度。

记录 RTO 值和优化措施，用于管理层讨论。

风险因素控制

识别障碍：发电机无燃料、指令过时、访问限制、陈旧备份。规划控制措施：

• 验证备份完整性。
• 测试备份通信通道。
• 清点硬件库存。
• 监控 UPS 和发电机。
• 审计恢复计划。
• 定期演练流程。

按关键性、可能性和努力程度调度任务。这些需要额外资源。

RTO 之外的不可抗力

级联故障（火灾、病毒、电力涌浪）超出标准规划。缓解步骤：

• 异地存储备份（银行金库、跨站点复制）。
• 按业务影响优先级排序服务。
• 隔离备份免受共享威胁。
• 准备外部部署站点。

定义为“同类型 ≥2 系统同时失效”。计划涵盖资源、任务和业务审批例外。

关键要点

• 定位时间是 RTO 基础，通过培训和监控实现。
• 完整故障点恢复确保可预测时间。
• 风险因素通过定时任务和测试管理。
• 不可抗力需异地备份和优先级排序。
• 与领导层平衡 RTO/RPO 以争取投资。

— Editorial Team