Aus dem Betrieb

Datenbank-Wiederherstellung testen: was unsere Restore-Probe misst und was nicht

Restore-Probe am 30.08.2026: Wir haben die beiden Produktionsdatenbanken von Fortlauf (Produktdaten und Anmeldung) in einer getrennten Prüfumgebung auf aufeinander abgestimmte Zeitpunkte wiederhergestellt. Beide waren 3 min 22 s nach dem Anwenden der Wiederherstellungskonfiguration wieder betriebsbereit; eine Wiederholung am selben Tag dauerte etwa 3 min 30 s. Nicht enthalten: die Zeit für Entscheidung und Vorbereitung sowie Dateien außerhalb der Datenbanken.

Dieser Artikel zeigt, wie wir die Probe aufgebaut haben, wo die Uhr startete und stoppte, was wir außer der Zeit geprüft haben, welche Fehler die Probe in unserer eigenen Anleitung gefunden hat und was die Zahl nicht sagt. Am Ende steht eine Checkliste mit Befehlen für PostgreSQL auf CloudNativePG.

1. Ein grüner Haken ist noch keine Wiederherstellung

Ein Backup-Werkzeug meldet, dass eine Sicherung geschrieben wurde. Es meldet nicht, ob Sie daraus eine laufende Datenbank bekommen, wie lange das dauert und ob die Anwendung danach mit den Daten arbeiten kann. Das zeigt nur eine Wiederherstellung, die jemand durchführt und mit der Uhr misst.

Eine Restore-Probe beantwortet drei Fragen, die kein Statusfeld beantwortet:

  • Wie lange dauert es vom Start der Wiederherstellung, bis die Datenbank wieder betriebsbereit ist?
  • Ist nach der Wiederherstellung alles da, was die Anwendung braucht: Daten, Schema, Berechtigungen?
  • Funktioniert die Anleitung, nach der Sie im Ernstfall arbeiten, so wie sie geschrieben ist?

Die dritte Frage wird oft vergessen. Bei uns hat sie die meisten Befunde geliefert (Abschnitt 5).

2. Was wir geprobt haben

Zwei Datenbanken, die zusammengehören. Fortlauf hat eine Datenbank für die Produktdaten und eine für die Anmeldung. Wir haben beide wiederhergestellt, weil eine allein nicht zeigt, ob sich Menschen danach anmelden und ihre Daten sehen können.

Eine getrennte Prüfumgebung. Die Wiederherstellung lief in einer eigenen Umgebung neben der Produktion. Die Produktion lief währenddessen unverändert weiter. Nach der Probe haben wir die Prüfumgebung vollständig gelöscht.

Ein Zielzeitpunkt, mit Absicht versetzt. Genau genommen haben wir die Anmeldedatenbank auf einen Zeitpunkt 15 Minuten nach dem der Produktdatenbank wiederhergestellt. Der Grund: Zwischen beiden Datenbanken gibt es keine gemeinsame Transaktion. Ein Konto entsteht zuerst im Anmeldedienst, der passende Eintrag in der Produktdatenbank erst bei der ersten Anmeldung. Ist die Anmeldung neuer als die Produktdaten, fehlt höchstens ein Eintrag, den die nächste Anmeldung wieder anlegt. Im umgekehrten Fall gäbe es Einträge, zu denen kein Konto mehr passt, und diese Personen könnten sich nicht anmelden. Der Versatz sorgt dafür, dass nur der harmlose Fall eintreten kann.

Ein Ziel für „fertig”. Die Probe galt erst als bestanden, als sich eine Person an der wiederhergestellten Anwendung angemeldet und ihre eigenen Datensätze abgerufen hatte. Die Anwendung verband sich dabei mit derselben Datenbankrolle wie in Produktion, ohne Superuser-Rechte. So war die Row-Level Security, die in Fortlauf die Mandanten trennt, auch in der Probe wirksam.

Kein Schreibzugriff auf die Sicherungen der Produktion. Eine Prüfumgebung, die aus denselben Sicherungen liest, darf nicht in sie zurückschreiben. Der wiederhergestellte Cluster hatte deshalb keine Sicherungs- und keine Archivierungskonfiguration. Das haben wir nicht aus der Vorlage geschlossen, sondern am erzeugten Objekt im Cluster nachgelesen. Nach der Probe war der Zeitpunkt der letzten erfolgreichen Sicherung beider Produktionsdatenbanken unverändert.

3. Wie wir gemessen haben

Wo die Uhr startet und stoppt. Diese Festlegung entscheidet, was die Zahl bedeutet:

Messung Start Ende
Wieder betriebsbereit die Wiederherstellungskonfiguration wird im Cluster angewendet der Cluster meldet einen gesunden Zustand
Nicht in der Messung die Entscheidung, wiederherzustellen; die Anleitung finden; die Konfiguration schreiben

Was wir gesehen haben, gerechnet ab dem Anwenden der Konfiguration:

Nach Ereignis
0 Wiederherstellungskonfiguration für beide Datenbanken angewendet
3 min 01 s Anmeldedatenbank betriebsbereit
3 min 22 s Produktdatenbank betriebsbereit; damit beide
Wiederholung, später am selben Tag beide nach etwa 3 min 30 s betriebsbereit

Die jüngste Basissicherung beider Datenbanken stammte vom selben Tag. Nachgespielt wurde also das Write-Ahead-Log von Stunden, nicht von Tagen.

Die Vorbereitung war länger als die Wiederherstellung. Entscheiden, die Anleitung heraussuchen und die beiden Konfigurationen schreiben hat am 30.08.2026 länger gedauert als die gemessenen 3 min 22 s. Dazu kam ein erster Versuch, der fehlschlug (Abschnitt 5). Die gemessene Zeit beginnt erst beim zweiten, erfolgreichen Versuch. Wer im Ernstfall plant, rechnet mit der Gesamtzeit, nicht mit der gemessenen.

4. Was wir außer der Zeit geprüft haben

„Betriebsbereit” heißt nur, dass die Datenbank läuft. Ob sie die richtigen Daten hat, zeigen erst diese Prüfungen:

  • Daten. Die jüngsten Datensätze passen zum Zielzeitpunkt, die Zahl der Zeilen in den wichtigen Tabellen stimmt mit der Produktion zu diesem Zeitpunkt überein.
  • Schema. Der Stand der Datenbankmigrationen ist derselbe wie in Produktion.
  • Berechtigungen. Die Row-Level-Security-Richtlinien sind vollständig da, und sie sind auf den Tabellen eingeschaltet. Diese Prüfung ist die wichtigste: Eine Wiederherstellung, die alle Zeilen, aber nicht alle Richtlinien zurückbringt, sieht bei einer Zeilenzählung fehlerfrei aus und zeigt jedem Mandanten die Daten der anderen.
  • Die beiden Datenbanken zusammen. Zu jedem aktiven Eintrag in der Produktdatenbank gibt es ein Konto im Anmeldedienst.
  • Ein Mensch meldet sich an. Die Anmeldung mit der Rolle der Anwendung schließt ab, was die Abfragen davor nicht beweisen können.

5. Was schiefging und was wir geändert haben

Die Probe hat vier Fehler gefunden, alle in unseren eigenen Anleitungen. Keiner lag an der Sicherung. Wir haben alle vier am selben Tag in den Anleitungen korrigiert.

  • Der erste Versuch fand „keine Sicherung”. In der Wiederherstellungskonfiguration fehlte der Name, unter dem der Quell-Cluster seine Sicherungen ablegt (serverName). Ohne ihn hat CloudNativePG unter dem Namen des wiederherstellenden Clusters gesucht, dort nichts gefunden und no target backup found gemeldet. Die Sicherung war vollständig vorhanden. Im Ernstfall liest sich genau diese Meldung als „die Sicherung fehlt”, in dem Moment, in dem niemand mehr ruhig urteilt. Den Namen setzen wir jetzt immer ausdrücklich.
  • Eine Prüfung prüfte nichts. Die Anleitung sollte nachweisen, dass die Prüfumgebung keine Sicherungskonfiguration hat, und fragte dazu cluster ab. Ein anderes Werkzeug im Cluster bringt eine eigene Ressource mit demselben Namen mit. Die Abfrage lief auf die falsche Ressource, gab nichts zurück, und „nichts” sah aus wie „bestanden”. Jetzt schreiben wir den vollständigen Ressourcennamen (clusters.postgresql.cnpg.io) und fragen zusätzlich einen Wert ab, der nicht leer sein darf. Bleibt er leer, prüft die Zeile nichts.
  • Ein Abgleich meldete ein Konto als verwaist, das es nicht gab. Die Datenbank sortierte die Liste nach den Regeln der Spracheinstellung, das Vergleichswerkzeug comm erwartet Byte-Reihenfolge. Aufgefallen ist das nur, weil die kurze Liste sichtbar unsortiert war. Jetzt vergleichen wir Mengen, unabhängig von der Sortierung. Und wir vergleichen auf dem Schlüssel, über den die Datenbanken tatsächlich verbunden sind, nicht auf der E-Mail-Adresse: Zwei Einträge mit derselben Adresse können den Abgleich bestehen, obwohl einer davon zu keinem Konto passt.
  • Eine Anleitung nannte eine Datenbank, die es nicht gibt. Eine ältere Anleitung zum Sichern vor einem Rückweg nannte einen falschen Datenbanknamen. Sie wäre erst im Ernstfall gescheitert.

Keiner dieser Fehler wäre ohne Probe aufgefallen. Jeder hätte im Ernstfall Zeit gekostet, und zwei hätten falsche Sicherheit gegeben.

6. Was die Zahl nicht abdeckt

  • Entscheidung und Vorbereitung. Siehe Abschnitt 3: Am Tag der Probe dauerten sie länger als die Wiederherstellung.
  • Dateien außerhalb der Datenbanken. Dokumente und andere Dateien, die eine Anwendung außerhalb der Datenbank ablegt, waren nicht Teil dieser Probe. Ihre Wiederherstellung braucht eine eigene Probe.
  • Ihre Datenbankgröße. Die Dauer hängt von der Größe der Datenbank und davon ab, wie viel Write-Ahead-Log seit der letzten Basissicherung nachgespielt werden muss. Je weiter der Zielzeitpunkt hinter der letzten Basissicherung liegt, desto länger dauert es. Übertragen Sie unsere 3 min 22 s nicht auf Ihre Datenbank; messen Sie sie.
  • Möglichen Datenverlust. Einen Wert dafür nennt dieser Artikel nicht. Wie viele Daten im Ernstfall fehlen, hängt davon ab, wie viel zum Zeitpunkt des Ausfalls geschrieben wird und wie oft WAL-Dateien archiviert werden. In einer Probe lässt sich das nur unter Schreiblast sinnvoll messen. Für die Planung zählt das Archivierungsintervall (bei PostgreSQL archive_timeout) plus die Zeit für die Übertragung.
  • Das Umschalten auf ein Replikat. Eine Wiederherstellung aus der Sicherung beweist nicht, dass ein Failover funktioniert, und umgekehrt. Unseren geplanten Failover vom 04.10.2026 beschreibt ein eigener Artikel: CloudNativePG failover drill (Englisch).
  • Stress. Die Probe lief geplant und in Ruhe. Ein echter Ausfall kommt unangekündigt, oft mit mehreren Problemen gleichzeitig.

7. Wann Sie proben sollten

  • Bevor Sie eine Wiederherstellungszeit zusagen, etwa in einem Sicherheitsfragebogen oder einem Vertrag. Eine gemessene Zeit mit Datum ist eine Aussage, eine geschätzte ist eine Hoffnung.
  • Nach jeder Änderung an Sicherung oder Archivierung: neues Sicherungsziel, neuer Operator, neue Hauptversion von PostgreSQL.
  • Nach einem Plattformwechsel. Wer etwa von VMware zu Proxmox VE umzieht, probt die erste Wiederherstellung schon im Pilot, nicht erst nach der letzten Welle.
  • Regelmäßig. Eine Fähigkeit, die einmal bewiesen und nie wieder geprüft wurde, ist nach ein paar Änderungen wieder eine Annahme. Mit einer korrigierten Anleitung ist jede weitere Probe kürzer als die erste.

8. Checkliste für Ihre eigene Probe

Vorher:

  • Ziel festgelegt: welche Datenbanken, welcher Zielzeitpunkt, was „fertig” heißt (mindestens: eine Anmeldung mit der Rolle der Anwendung).
  • Bei mehreren zusammengehörigen Datenbanken: die Richtung des Versatzes bewusst gewählt.
  • Getrennte Prüfumgebung mit eigenem Namespace; keine Sicherungs- und keine Archivierungskonfiguration darin.
  • Name des Quell-Clusters in der Konfiguration ausdrücklich gesetzt (serverName).
  • Zeitpunkt der letzten erfolgreichen Sicherung der Produktion notiert.
  • Start- und Endpunkt der Messung aufgeschrieben, Startzeit in UTC in einem Protokoll.
# Prüfumgebung: Wiederherstellung von my-cluster auf einen Zeitpunkt,
# im eigenen Namespace "probe", ohne Sicherung und ohne WAL-Archivierung.
apiVersion: postgresql.cnpg.io/v1
kind: Cluster
metadata:
  name: my-cluster-probe
  namespace: probe
spec:
  instances: 1
  storage:
    size: 20Gi
  bootstrap:
    recovery:
      source: origin
      recoveryTarget:
        targetTime: '2026-01-15T10:30:00Z' # immer mit Zeitzone
  externalClusters:
    - name: origin
      plugin:
        name: barman-cloud.cloudnative-pg.io
        parameters:
          barmanObjectName: my-cluster-store # ObjectStore-Ressource im Namespace "probe"
          serverName: my-cluster # Name des Quell-Clusters; nie weglassen
  # Bewusst kein spec.backup und kein spec.plugins:
  # die Prüfumgebung schreibt nicht in die Sicherungen der Produktion.

Während:

  • Konfiguration anwenden und die Uhr starten; den Status alle paar Sekunden mit Zeitstempel protokollieren.
kubectl apply -f my-cluster-probe.yaml

while true; do
  printf '%s ' "$(date -u +%T)"
  kubectl -n probe get clusters.postgresql.cnpg.io my-cluster-probe \
    -o jsonpath='{.status.phase} | ready={.status.readyInstances}/{.status.instances}{"\n"}'
  sleep 2
done | tee restore-run.log
  • Am erzeugten Objekt prüfen, dass es nicht schreiben kann, mit Positivkontrolle:
# Muss leer sein: keine Sicherung, keine Archivierung in der Prüfumgebung
kubectl -n probe get clusters.postgresql.cnpg.io my-cluster-probe \
  -o jsonpath='{.spec.backup}{.spec.plugins}{"\n"}'

# Positivkontrolle: muss den Zielzeitpunkt zeigen. Bleibt sie leer,
# hat die Abfrage darüber das falsche Objekt gelesen und beweist nichts.
kubectl -n probe get clusters.postgresql.cnpg.io my-cluster-probe \
  -o jsonpath='{.spec.bootstrap.recovery.recoveryTarget.targetTime}{"\n"}'

Danach:

  • Zeit bis „betriebsbereit” mit Start- und Endpunkt notiert; Vorbereitungszeit getrennt notiert.
  • Jüngste Datensätze, Zeilenzahlen der wichtigen Tabellen und Migrationsstand mit der Produktion verglichen.
  • Row-Level-Security-Richtlinien gezählt und mit der Produktion verglichen; auf den Tabellen eingeschaltet.
# Zahl der Richtlinien: muss der Produktion entsprechen
kubectl cnpg psql my-cluster-probe -n probe -- -d app -At \
  -c "SELECT count(*) FROM pg_policies;"

# Tabellen mit eingeschalteter Row-Level Security
kubectl cnpg psql my-cluster-probe -n probe -- -d app -At \
  -c "SELECT relname FROM pg_class WHERE relkind = 'r' AND relrowsecurity ORDER BY 1;"
  • Zusammengehörige Datenbanken auf dem echten Verbindungsschlüssel abgeglichen, als Mengenvergleich:
# Beide Listen selbst in Byte-Reihenfolge sortieren, dann vergleichen
LC_ALL=C sort -u produkt-schluessel.txt   > a.txt
LC_ALL=C sort -u anmeldung-schluessel.txt > b.txt
comm -23 a.txt b.txt   # in der Produktdatenbank, aber ohne Konto
  • Eine Person hat sich angemeldet und ihre eigenen Daten gesehen; die Anwendung nutzte die Rolle aus Produktion, keinen Superuser.
  • Produktion unverändert: alle Instanzen bereit, Archivierung aktiv, letzte erfolgreiche Sicherung wie vorher notiert.
kubectl -n app get clusters.postgresql.cnpg.io my-cluster \
  -o jsonpath='{.status.phase} | ready={.status.readyInstances}/{.status.instances}{"\n"}'
# Letzte Sicherung aus den Backup-Objekten: .status.lastSuccessfulBackup bleibt bei Plugin-Sicherungen leer
kubectl -n app get backups.postgresql.cnpg.io --sort-by=.status.stoppedAt \
  -o custom-columns=NAME:.metadata.name,CLUSTER:.spec.cluster.name,PHASE:.status.phase,STOPPED:.status.stoppedAt
kubectl -n app get clusters.postgresql.cnpg.io my-cluster \
  -o jsonpath='{.status.conditions[?(@.type=="ContinuousArchiving")].status}{"\n"}'
  • Prüfumgebung gelöscht, keine Volumes übrig; lokale Exporte mit personenbezogenen Daten (etwa Listen aus dem Abgleich) gelöscht.
kubectl delete namespace probe
kubectl get pvc -A -l cnpg.io/cluster=my-cluster-probe   # muss leer sein
rm -f a.txt b.txt produkt-schluessel.txt anmeldung-schluessel.txt
  • Jeder Fehler der Anleitung am selben Tag in der Anleitung korrigiert, nicht nur im Protokoll vermerkt.

Wo das hinführt

Wir bauen und betreiben Kubernetes-Plattformen mit PostgreSQL auf CloudNativePG und messen die Wiederherstellung vor der Übergabe: Kubernetes-Plattformen bauen & betreiben. Wo die Daten hinter dieser Probe liegen und was wir sonst mit Datum gemessen haben, steht auf der Seite Wo Ihre Daten liegen.

Englische Fassung: Testing database restores: what our restore drill measures and what it does not.

Quellen

Abgerufen am 12.10.2026.

  • CloudNativePG Dokumentation: Recovery (Englisch). Wiederherstellung aus einem Objektspeicher über das Barman-Cloud-Plugin, recoveryTarget.targetTime mit Zeitzone.

Ihre Wiederherstellung messen lassen?

Die Ernstfall-Probe umfasst eine echte Wiederherstellung oder einen geplanten Failover eines vereinbarten Systems, gemeinsam mit Ihrem Team, jeder Schritt mit Uhrzeit. Ergebnis: ein Bericht mit gemessenen Zeiten, Lücken und priorisierten Maßnahmen.