跳到主要内容

备份与恢复

夜莺真正不可再生的只有元数据库和 etc/ 目录，两者必须定期备份并演练恢复；内置时序库可选，指标丢了可以重新采集。

夜莺真正不可再生的东西只有两样：元数据库和 etc/ 目录。 指标可以再采，日志可以不要，配置和规则丢了得靠人一条条重建。 这页说清楚备份哪些、怎么备、以及怎么验证这份备份真的能用。

该备份什么​

内容位置不备份的后果建议频率
元数据库MySQL / PostgreSQL，或 n9e.db用户、业务组、规则、仪表盘、通知配置全没每天，保留 7–30 天
配置文件etc/ 目录得重新调一遍所有配置每次改动（放版本库）
集成模板integrations/ 目录自定义的仪表盘和规则模板丢失同上
内置时序库[EmbeddedTSDB] Dir，默认 data/tsdb历史指标丢失看你依赖它到什么程度
日志和判定记录[Log] Dir没有后果不用备份

判定记录是排障用的，本身有保留期上限、会自动清理，也会随着新的判定重新产生， 没有备份价值。

元数据库​

绝大部分价值都在这里。

# MySQL
mysqldump --single-transaction --routines --triggers \
  -h mysql -u n9e -p n9e_v6 | gzip > n9e_v6-$(date +%F).sql.gz

# PostgreSQL
pg_dump -h postgres -U n9e -Fc n9e_v6 > n9e_v6-$(date +%F).dump

--single-transaction 让导出在一致的快照上进行，不用锁表。

SQLite 只在测试环境出现，它的备份有个专门的坑：数据不是只在 n9e.db 里， 还有同目录下的 n9e.db-wal 和 n9e.db-shm。三个文件必须一起拷、一起恢复， 只拷 n9e.db 会得到一个配着旧 WAL 的库。更稳的做法是停掉进程再拷。

配置与集成模板​

tar czf n9e-etc-$(date +%F).tar.gz etc/ integrations/

etc/ 里有 config.toml、边缘的 etc/edge/edge.toml、metrics.yaml 和通知脚本。 更好的做法是把 etc/ 放进版本库，这样「什么时候改的、谁改的、改了什么」 都有记录，回滚也是一条 git checkout。

注意 config.toml 里有数据库口令，放版本库前先把凭据挪出去，见 敏感信息管理。

内置时序库​

内置时序库没有在线快照接口。要留一份，只能停进程再拷目录：

systemctl stop n9e
tar czf n9e-tsdb-$(date +%F).tar.gz data/tsdb/
systemctl start n9e

运行中直接拷会拷到写了一半的数据块，恢复后可能起不来。

现实一点：如果内置时序库里存的是「看趋势用的近 15 天数据」， 停机备份不值得，丢了就丢了。如果它是你唯一的指标存储、而且丢不起， 那真正该做的不是备份它，而是换成外部时序库——见 内置时序库的单 Center 限制。

恢复步骤​

按这个顺序来，别跳步：

  1. 停掉所有 n9e 进程。 集群里每一个都要停，包括边缘的 n9e-edge。 还在跑的实例会往你正在恢复的库里写心跳和事件。

  2. 恢复数据库。

    gunzip < n9e_v6-2026-09-01.sql.gz | mysql -h mysql -u n9e -p n9e_v6

    预期结果：select count(*) from alert_rule; 的条数和备份时一致。

  3. 恢复 etc/ 和 integrations/。 确认 [DB] DSN 指向的是你刚恢复的那个库。

  4. 恢复内置时序库（如果备份了、而且还在用它）：把 data/tsdb 拷回去。

  5. 先起一个实例。 不要一次全起。 预期结果：curl --noproxy '*' http://n9e:17000/ping 返回 pong， 登录后规则列表、仪表盘、通知配置都在。

  6. 确认判定恢复了。 curl --noproxy '*' http://n9e:17000/metrics | grep n9e_alert_rule_eval_total， 预期结果：进程启动 30 秒后这个数开始增长（启动后有 30 秒的判定延迟）。

  7. 再起其余实例。 到系统配置 → 告警引擎确认它们都出现了。

Redis 不需要恢复。它存的是登录态、设备心跳时间戳和主机元信息，都有过期时间， 空着起来就行——代价是所有人要重新登录一次，设备的心跳时间要等采集器下次上报才刷新。

演练​

没恢复过的备份不算备份。至少验证到这个程度：

  • 每次备份完检查文件大小是否合理，突然变小说明导出中途失败了；
  • 每季度做一次完整恢复，恢复到一个独立的测试库和测试实例上， 按上面第 5、6 步验证到「能登录、规则在、判定在跑」；
  • 演练时记录耗时。真出事的时候，「恢复要多久」是必须回答的问题。

在全新环境里从零重建的完整流程，见灾备。

相关​

本页目录