如何定期使用 Cloud Functions 自动演练备份恢复？
解读
面试官问“定期+Cloud Functions+备份恢复”，核心想看三件事：
- 你是否理解 Cloud SQL 备份机制（自动 vs 手动、PITR、跨区域存储）。
- 能否用 无服务器方式（Cloud Functions + Cloud Scheduler + IAM）把“恢复”做成可重复、可观测、低成本的演练，而不是真的把生产库冲掉。
- 是否具备 国内合规 意识（数据不出境、敏感等级保护、操作审计）。
回答时要体现“演练”二字：只验证备份可用，不破坏线上，结果可量化（RTO/RPO 达标、校验和一致）。
知识点
- Cloud SQL 自动备份窗口与事务日志（PITR）机制
- on-demand 备份与跨区域备份（cross-region backup）
- Cloud Functions 第二代（并发、最小实例 0）与事件驱动（Pub/Sub、Cloud Scheduler）
- 恢复克隆（clone）与时间点恢复（PITR）API 差异
- IAM 最小权限：roles/cloudsql.admin、roles/iam.serviceAccountUser、roles/cloudfunctions.invoker
- 国内网络：Cloud Functions 出公网需VPC Connector+Cloud NAT，否则无法拉取 sqladmin.googleapis.com
- 数据安全：CMEK 加密备份、Access Transparency、Cloud Audit Logs 写入中国项目日志桶
- 演练指标：RTO（恢复耗时）、RPO（数据丢失量）、校验和、连接探活、业务黄金 SQL 返回结果
- 成本优化：克隆实例使用共享 CPU（db-f1-micro）+自动删除（label:ttl=6h）
- 通知链路：Cloud Monitoring 告警 → PagerDuty 或钉钉（通过 EventBridge 国内版）
答案
整体思路：定时触发 → 创建克隆实例 → 运行校验脚本 → 上报指标 → 清理资源，全部用 Cloud Functions 编排，零人工干预。
-
准备阶段
a. 启用 Cloud SQL Admin API、Cloud Functions API、Cloud Scheduler API。
b. 创建 专用 SA（cf-backup-drill@{PROJECT_ID}.iam.gserviceaccount.com），绑定角色：
– roles/cloudsql.admin（恢复权限）
– roles/iam.serviceAccountUser（ impersonate 生产实例 SA）
– roles/logging.logWriter（写演练日志）
c. 国内区域选型：生产实例在 shanghai-a，备份桶用 asia-east2（香港）以满足数据不出境要求；克隆演练实例落在 shanghai-b 同 VPC 子网，走 Private IP 降低公网费用。 -
部署 Cloud Functions（Gen2，Python 3.11）
入口函数：drill_handler(event, context)
步骤：
① 读入环境变量：INSTANCE_ID、VERIFY_SQL、EXPECTED_SHA、DRILL_TTL_HOURS。
② 调用 sqladmin_v1beta4.instances.clone 创建克隆实例：
– targetInstanceId = “{INSTANCE_ID}-drill-{timestamp}”
– 指定 tier=db-f1-micro 节省费用
– 加 label：{env=drill, ttl=6h, created_by=cf}
③ 轮询 operations.get 直到 DONE；记录耗时 t1（RTO 初值）。
④ 通过 Private IP（Cloud SQL Auth Proxy sidecar）连接克隆库，执行 VERIFY_SQL，计算结果 SHA256。
⑤ 若 SHA == EXPECTED_SHA，写 Cloud Monitoring 自定义指标
– backup_drill_rto_seconds = t1
– backup_drill_result = 1（成功）
否则 result = 0，并写 Cloud Logging 严重级别 ERROR。
⑥ 调用 instances.delete 删除克隆实例，避免持续计费。
⑦ 发送 钉钉通知：通过国内 EventBridge 连接器，payload 包含 RTO、RPO、校验结果。 -
定时触发
Cloud Scheduler 每周一 03:00（上海时区）发 Pub/Sub 消息 topic=backup-drill，CF 订阅该 topic。
国内合规：Scheduler 作业区域选 shanghai，确保调度数据不出境。 -
观测与告警
- 在 Cloud Monitoring 创建告警策略：若 backup_drill_result==0 连续 1 次，则电话告警。
- 备份窗口外若自动备份失败，也会触发 backup_drill_result=0，实现联动。
-
权限与审计
- 所有操作写入 Cloud Audit Logs（DATA_WRITE 类型），日志桶保存在 中国项目（shanghai 区域），保存 365 天，满足等保三级。
- 使用 CMEK 加密的实例，克隆时自动继承密钥，确保演练数据同样加密。
-
成本评估
- 克隆实例存活 30 分钟，db-f1-micro 单价 0.015 USD/h，每周一次，月成本 < 0.1 USD。
- 网络走 Private IP，无出流量费。
一句话总结：用 Cloud Functions 无服务器编排克隆恢复，每周自动验证备份可用性，30 分钟内完成并自动删库，结果量化到 RTO/RPO 并对接国内告警通道，既满足 Google Cloud 最佳实践，也符合中国数据合规要求。
拓展思考
- 如果实例开启 CMEK，但密钥轮换后旧备份密钥版本被禁用，克隆会失败。解决方案：在演练前调用 cloudkms.cryptoKeyVersions.get 确认密钥版本仍 ENABLED，否则自动回退到最新 on-demand 备份。
- 对于 SQL Server 实例，clone API 不支持，可改用 导出 bak 到 Cloud Storage → 新建临时实例 → import bak 的方式，耗时更长，需在 CF 里把 RTO 阈值动态调到 2h。
- 国内多项目场景，可用 Terraform + Cloud Build 把 CF、Scheduler、IAM 做成一键基准包，通过 Cloud Source Repositories（shanghai 区域）做 GitOps，实现百套环境统一演练。
- 未来可升级到 Cloud Workflows，把“克隆→校验→删库→报告”做成可视化 DAG，支持并行演练多个实例，并内置重试策略，进一步降低单点失败。