结论先说:数据库备份失败 80% 集中在六类原因——磁盘满、路径无权限、连接失败、锁与超时、日志链断裂、脚本静默出错。按这个概率顺序排查,多数十分钟内能定位,不要一上来就怀疑数据库本身。

六类原因与处置

  • 磁盘空间不足(占比最高):df -h 或看 Windows 磁盘属性,备份盘剩余空间小于上次备份文件大小就必然失败。处置:清理旧备份、加保留期自动删除,长期方案是备份上云。
  • 路径与权限:备份目录不存在、账号无写权限、Windows 服务账号访问不了网络共享。处置:手动以备份账号身份 touch 一个文件验证写权限,共享路径先本地磁盘跑通再迁移。
  • 连接失败:密码改了、端口变了、防火墙拦了,常见于「上个月还好好的」。处置:用备份账号手动连一次数据库,连接配置放配置文件别硬编码在多个脚本里。
  • 锁与超时:大事务持锁导致快照建不起来、逻辑备份超时被杀。处置:错峰执行,超时参数放宽,长事务方先处理。
  • 日志链断裂:恢复模式被切换过、日志备份文件被误删,表现为日志备份任务报「链已断」。处置:立即补一次全量重建基线,之后链会自动续上。
  • 脚本静默出错:备份命令失败但脚本退出码为 0,文件是空的或旧的,任务显示「成功」。处置:脚本加 set -e 与退出码检查,并对备份文件大小做阈值校验。

排查顺序就是处置顺序

  • 第一步看备份软件或任务的报错信息,没报错直接跳到第六类(静默失败)。
  • 第二步查磁盘,第三步试连接,前两步能解决 6 成案例。
  • 报错里出现 "log chain" "无法建立到数据库的连接" 等关键词再按对应类别深入。

把失败变成可预防

  • 磁盘水位告警:备份盘使用率超过 85% 就通知,失败前先收到预警。
  • 每次备份后校验文件存在且大于阈值,小于阈值视为失败。
  • 失败通知走企业微信或邮件,当天必须有人响应。

行动建议:先按六类把你上一次失败记录对号入座,确认是哪类;然后不管有没有失败过,今天就把「文件大小校验加失败通知」这两行加进备份脚本——静默失败是最危险的失败形态,等你想恢复时才发现备份早已停摆,代价远大于排查成本。