酷应用

删库惹的祸，顺丰高级工程师“被跑路”！

百家作者：CSDN 2018-09-21 03:57:44

那些年，我们删过的库与跑过的路。

图片源自网络

在 IT 从业者中，有着一群比程序员还要低调且掌管着大数据时代企业生死命门的人，他们就是传说中的 DBA。论起 DBA 的工作职能，很多人表示这可比程序员日常复杂得多，不仅上要和应用程序打交道，下还要深入操作系统和硬件之中。所以当继而谈起成为一名优秀的 DBA 是种怎样的体验时？不少过来人调侃道，你能明白那种删得了库跑不了路的酸爽感吗？

近来，一名来自顺丰的技术工程师亲身经历告诉了我们，“对，没错，就是这样的一种感觉。”。

日前，据微博知名互联网资讯博主@大佬坊间八卦爆料，顺丰科技数据中心的一位邓某因误删生产数据库，导致某项服务无法使用并持续 590 分钟。

来自@大佬坊间八卦微博

后来有网友爆料，这位邓某是顺丰科技 IT 数据中心应用交付技术部互联网产品运维组的 IT 运维开发高级工程师。

而事件的起因，据网上流传的邮件截图显示：

在接收到变更需求后，邓某在操作过程中，错选了 RUSS 数据库，打算删除执行的 SQL。在选定删除时，因其操作不严谨，光标回跳到 RUSS 库的实例，在未看清所选内容的情况下，便通过 delete 执行删除，同时邓某忽略了弹窗提醒，直接回车，导致 RUSS 生产数据库被删掉。
因运维工作人员不严谨的操作，导致 OMCS 运营监控管控系统发生故障，该系统上临时车险发车功能无法使用并持续了约 590 分钟。

目前顺丰根据公司相关规定，已将邓某辞退，且在顺丰科技全网通报批评。事件一出，立即引发圈中程序员们的热议。很多人无奈的表示，库都删了，不跑路干什么？记得看好地图，搭载飞机跑路，否则或因堵车，短短几分钟之内你就会被抓回了，譬如下面这位：

事实上，无独有偶，在国内外，删库事件早已不是第一次发生，相比之下，此次顺丰删库带来的后果还不算最为严重，接下来，我们将共同回顾那些年，删的那些库带来了怎样的后果？我们又该如何避免删库跑路事件的频发？

那些年，删过的库

大厂说：

2017 年 2 月，GitLab 的一位系统管理员在给线上数据库做负载均衡工作时，遭受了 DDoS 攻击。在阻止了攻击之后，运维人员发现了数据库不同步的问题，便开始修复，在修复过程中，错误地在生产环境上执行了数据库目录删除命令：

sudo rm -rf

导致 300GB 数据被删成 4.5G，GitLab 被迫下线。

2017 年 6 月，一家荷兰海牙的云主机商 verelox.com，一名前任管理员删光了该公司所有客户的数据，并且擦除了大多数服务器上面的内容。

最终导致 Verelox 暂时将网络下线。在发布的官方公告中，Verelox 表示一直努力恢复数据，但遗憾的是，目前已丢失的所有数据可能恢复不了了。

2017 年 9 月，某 IT 大厂技术工程师帮助广西移动进行扩容割接（即增加系统容量）时，不小心将 HSS 设备里面的用户数据格式化删除，导致广西移动近 80 万用户数据丢失。

网友说：

与此同时，来自知乎（https://www.zhihu.com/question/58802374）的不少网友也为曾删过的那些库，大惊失色，直至现在仍心有余悸：

@张家考拉：

公司新来一位应届毕业生，工作能力非常弱，什么都不会，怎么办呢？就先让她帮忙盘点机房设备资产。

就因为有个资产标签看不清楚，直接把刀片服务器拔出来了，旁边带她的人看到，瞬间就石化了。业务系统中断十几分钟，领导也没说什么，就是不让她继续盘点了，而她，根本不知道自己闯祸了。

@土豆爸爸：

多年前（2001 年），那还是 Unix 字符界面，半夜我例行维护，删过一个包含二十万本图书的库。十分钟自己确认出错后，开始冒汗，胃部像是被猛打了一拳得开始痉挛，疼的我都坐不住。

好一会我去过道抽了两根烟，才回忆起前天做了全系统备份，丢的数据不多！

那感觉，一辈子难忘。

@ai0by：

之前自己做的一个站，服务器是在 Vultr 上面，用户有 1000 多，访问量不少。某天在 Vultr 上面另开了一台测试机器，测试完了准备删除时删错了机器，把放网站的那台删掉了……（有必要吐槽一下 Vultr 的服务器界面，我以为新开的机器一定是最下面的那个，然后没看直接就删掉了，没想到最下面的那个不是最新开的那台！）

当时只能说非常慌张，好像在梦里一样，满头大汗，只能眼睁睁看着一条提示删除成功的消息，随即立刻提交了一条 ticket，Vultr 告诉我已经删除掉的机器是不能恢复的，瞬间感觉长时间的经营全部白费了，很难想象经营了那么久一个失误操作全完蛋了。

后来发现那台机器之前有过备份，另开了一台机器把镜像恢复到新机器上面，时间是一周前，好歹算是救回来了，丢失的数据后来自己手工补上了。

删掉的一瞬间，好多用户来找我，我只能淡定的回复说是在维护，实际慌的要死，在问题解决差不多后，自己后背都湿透了，再也不想有第二次了，切记做好备份，切记切记！

那些年，跑路前，我们还可以做些什么？

和上文删库事件相比，不少网友对顺丰的处理结果及制度产生质疑，纷纷表示：开除了涉事工程师，顺丰自身就完全没责任？花了这么大的教训培养了一位运维就这么拱手让人了？

剖开表面，我们不由深思，顺丰以辞退为名，真的能撇开其在流程问题所因担起的责任？此次出事，好在影响尚未造成无法挽回的后果，顺丰应做的不是第一时间去辞退涉事员工，而是通过该教训来看清内部的问题：

删库事件发生一方面源于工程师本人的失误，另一方面是否体现了日常管理流程的松懈，及操作的不规范？
安全责任不分明，除了涉事员工，其直接上司不应担责？
权限控制混乱，仅一名运维工程师可以直接操作数据库？
灾备恢复能力弱，事件的发生到恢复，偌大的顺丰企业花费了 590 分钟？

所以，从以上的种种问题来看，我们该如何再次避免删库“跑路”等事件的再次发生？

对此，在企业首先做好权限管理以及多重审核机制的同时，CSDN 也曾教诸多程序员们如何在 Linux 下谨慎使用 rm，避免从删库到跑路的悲剧发生：

一个方案就是重定向 rm 命令以嫁接为 mv 命令，相当于给 Linux 系统定制了一个回收站。实现方式如下：
最后将上述脚本写入 /etc/bashrc，并立即执行命令 source /etc/bashrc 即刻生效。
以上的脚本定义了几个命令：
rl：查看回收站下的文件；
unrm 文件名或目录：恢复到当前的路径下；
rmtrash：清空回收站，不过会友好提示。
执行 rm 不会真正删除，而是使用 mv 移动到我们指定的回收站。实在真的想删除可以 /bin/rm 来进行删除。另外，需要注意的时，之前 rm 指令的一些参数可能不再使用，因为 rm 现在其实是 mv 了。