课程视频录制和回放系统，如何设计容灾方案，确保在服务器故障时仍能正常访问？请说明备份策略和恢复流程。

1) 【一句话结论】：采用“多活架构+多级备份”的容灾方案，通过主备/多活服务器结合全量+增量+快照的异地数据备份，并配置自动化故障检测与切换机制，确保服务器故障时服务秒级切换，恢复流程自动化，保障视频访问不中断。

2) 【原理/概念讲解】：容灾的核心是“故障时服务不中断”，需理解高可用（HA）与容灾（DR）的区别：HA是同一时间只有一个主服务，故障时自动切换；DR是主备系统同时运行，故障时无缝接管。类比：医院有主手术室和备用手术室，主手术室故障时，备用能立即接手手术，患者体验无感知。关键点：故障检测（心跳检测）、服务切换（负载均衡器）、数据同步（确保备份数据与主数据一致）。

3) 【对比与适用场景】：

模式	定义	特性	使用场景	注意点
主备（Active-Standby）	主服务器运行生产流量，备服务器不处理流量，故障时切换	成本低，资源利用率低，切换时可能短暂中断	对服务可用性要求极高（如视频系统）	备服务器需保持数据同步，切换时需验证数据一致性
主主（Active-Active）	两个服务器同时处理流量，负载均衡分配	资源利用率高，故障时需负载均衡重新分配	流量波动大，需高并发处理（如视频点播高峰）	需数据同步（如数据库同步），配置复杂，可能存在数据冲突

4) 【示例】：
备份策略伪代码：

def backup_video_data():
    full_backup()  # 每周全量备份
    incremental_backup()  # 每日增量同步
    system_snapshot()  # 每2小时生成快照
    sync_to_remote_storage()  # 异地实时同步

故障切换（Nginx负载均衡示例）：

upstream video_servers {
    server 192.168.1.10:80 weight=80;  # 主服务器
    server 192.168.1.20:80 weight=20;  # 备服务器（不处理流量）
}
check health {
    interval 10s
    timeout 5s
    rise 2
    fall 2
    http get /health check
}
if server 192.168.1.10 is unhealthy:
    switch to server 192.168.1.20

5) 【面试口播版答案】：
“面试官您好，针对课程视频录制和回放系统的容灾设计，核心思路是构建‘多活架构+多级备份’的方案，确保服务器故障时服务秒级切换。具体来说，备份策略上采用‘全量+增量+快照’结合异地存储：全量备份每周执行，增量备份每日同步最新数据，系统快照每2小时生成，所有数据同步至异地数据中心（如云存储或异地机房），保证RPO（恢复点目标）在分钟级。恢复流程则通过自动化监控实现：心跳检测主服务器状态，当检测到故障（如无响应或错误日志）时，负载均衡器自动切换流量至备用服务器，切换后验证视频回放功能（如播放指定视频是否正常），整个流程自动化，RTO（恢复时间目标）控制在秒级。这样既能保证故障时服务不中断，又能快速恢复数据，满足用户访问需求。”

6) 【追问清单】：

• 问：备份频率如何确定？
  答：备份频率根据数据变化量和业务需求，全量备份每周一次（减少数据丢失风险），增量备份每日（减少备份时间），快照每2小时（快速恢复到故障前状态）。
• 问：如何保证备份数据与主数据的一致性？
  答：通过数据库事务日志同步（如MySQL的binlog），或文件系统同步（如rsync），确保备份数据与主数据实时或准实时一致。
• 问：如果异地备份网络中断，如何处理？
  答：设置网络冗余（如双链路），或采用断点续传技术，确保数据最终同步。
• 问：恢复流程中如何验证数据完整性？
  答：通过校验和（如MD5）验证备份文件完整性，切换后播放测试视频，检查视频播放流畅度和内容正确性。
• 问：如果服务器故障同时伴随网络故障，如何容灾？
  答：采用多活架构（如主主模式），或通过CDN节点就近提供服务，同时配置网络冗余链路，确保网络故障时流量能通过备用链路传输。

7) 【常见坑/雷区】：

• 坑1：仅考虑服务器故障，忽略网络故障。
  雷区：未配置网络冗余，导致网络故障时服务不可用。
• 坑2：备份策略不定期测试。
  雷区：实际恢复时发现备份数据损坏或无法恢复，导致业务中断。
• 坑3：恢复流程复杂导致实际RTO过长。
  雷区：手动操作恢复流程，导致故障恢复时间超过预期。
• 坑4：未考虑数据一致性（如视频回放时数据未同步）。
  雷区：切换后视频内容与主服务器不一致，影响用户体验。
• 坑5：负载均衡配置错误。
  雷区：流量切换失败，导致服务中断或流量分配不均。