跳转到内容
Jason's Study

Velero — Kubernetes 集群备份与迁移

是什么

Velero 是 Kubernetes 上的集群级别备份与恢复工具——你跑一条 velero backup create 命令，它会把集群里指定的资源（Deployment、Service、ConfigMap、Secret 等）连同持久卷数据一起打包扔到对象存储（S3 / GCS / Azure Blob），下次想恢复或迁移到另一个集群直接 velero restore create 就行。

日常类比：

  • 没有 Velero 像把照片只放在手机本地：手机丢了照片就没了，集群崩了 etcd 没救活就全没。
  • Velero 像 iCloud 自动备份：你照常拍照（用集群），它在后台把所有资源同步到云端，换台手机登录就能把照片拉回来。

最早叫 Ark，由 Heptio 2017 年开源；2018 年 VMware 收购 Heptio，2019 年改名 Velero（西班牙语 帆船）；2022 年捐给 CNCF 进入 sandbox，2024 年进入 incubating。

为什么重要

不理解 Velero，下面这些事都不好解释：

  • etcd 崩了怎么救集群——单纯备份 etcd 只救得回控制平面对象，救不回 PV 数据；Velero 把两件事一起做
  • 集群跨云迁移怎么做——AWS 上一个集群的 200 个 Deployment 想搬到 GCP，靠 yaml 一份份导太脆，Velero 一条命令打包平移
  • 多租户 SaaS 怎么给每个客户独立备份——按 namespace 备份 + 还原是 Velero 的设计原点
  • 灾备演练怎么自动化——每周自动备份、每月一次还原到隔离集群验证可恢复性，是合规审计要的

核心要点

Velero 由 四个核心 CRD + 两条数据通路 组成：

  1. Backup：一次备份请求。声明备份哪些 namespace / 用什么 label 选 / 是否包含 PV 数据 / TTL 多久。
  2. Restore：一次恢复请求。指向某个 Backup，可重映射 namespace、可只恢复部分资源。
  3. Schedule：周期任务，按 cron 自动产生 Backup（如每天凌晨 2 点）。
  4. BackupStorageLocation / VolumeSnapshotLocation：声明对象存储桶和卷快照后端。

两条数据通路：

  • 资源通路：调用 Kubernetes API 把资源对象序列化为 yaml/json，打包成 tar.gz 上传到对象存储。
  • PV 通路：两种实现可选——CSI 卷快照（云厂商支持时首选，秒级），或 File System Backup（基于 Restic / Kopia，逐文件读取，跨云通用）。

实践案例

案例 1：AWS 上装 Velero 并备份一个 namespace

先准备一个 S3 桶和 IAM 凭证，再装：

Terminal window
velero install \
  --provider aws \
  --bucket my-velero-backups \
  --backup-location-config region=us-east-1 \
  --snapshot-location-config region=us-east-1 \
  --secret-file ./aws-credentials \
  --use-node-agent \
  --uploader-type kopia

备份 default namespace：

Terminal window
velero backup create demo-1 --include-namespaces default
velero backup describe demo-1 --details

桶里会出现 backups/demo-1/ 目录，含资源 tar.gz、PV 数据和元信息 json。

案例 2：把一个集群整体搬到另一个集群

源集群备份（含所有 PV）：

Terminal window
velero backup create migrate-2026-06 \
  --include-namespaces app-prod,app-staging \
  --default-volumes-to-fs-backup

目标集群（已装 Velero，指向同一个桶）：

Terminal window
velero restore create --from-backup migrate-2026-06

资源对象重新 apply，PV 数据从对象存储 pull 回来挂载。这是 Velero 最经典的使用场景，也是它名字 帆船 的由来——载着你的工作负载漂去新港口。

案例 3：备份前调用 hook 让数据库刷盘

PostgreSQL Pod 上加 annotation：

metadata:
  annotations:
    pre.hook.backup.velero.io/command: '["/bin/bash","-c","pg_dump -U postgres app > /backup/app.sql"]'
    pre.hook.backup.velero.io/timeout: 5m
    post.hook.backup.velero.io/command: '["/bin/bash","-c","rm /backup/app.sql"]'

Velero 备份这个 Pod 的 PV 之前，先在容器里跑 pg_dump 生成一致性快照，备份完再清理。这样恢复出来的数据库不是 撕到一半 的状态。

踩过的坑

  1. Restic vs Kopia 选错性能差 5 倍——老版本默认 Restic，单线程上传，TB 级 PV 跑一夜传不完。1.10 后引入 Kopia 作为可选 uploader，并发分片上传，新装一定加 --uploader-type kopia。

  2. CSI 快照只能在源集群恢复——CSI snapshot 是云盘层快照，绑死区域和账号。跨云迁移必须用 File System Backup（Restic / Kopia），慢但通用。

  3. 包含 PV 默认是关的——velero backup create 不加 --default-volumes-to-fs-backup 或 Pod 上没 annotation，PV 数据不备份，只备份了 PVC 对象。新人常以为备份成功，恢复时数据全丢。

  4. CRD 自身得先恢复——如果集群里装了别的 Operator（cert-manager、Argo CD），它们的 CRD 必须排在自己 CR 前面恢复。Velero 默认按字母序，可能出错；用 --include-cluster-resources=true 并配合 restore order 解决。

  5. 过期清理不会删 PV 快照——Backup TTL 到期后 Velero 删对象存储里的备份，但云厂商的卷快照（EBS snapshot 等）不一定一起删，要看 VolumeSnapshotLocation 的 deletionPolicy 配置。账单容易悄悄涨。

适用 vs 不适用场景

适用：

  • Kubernetes 集群备份与恢复（资源 + PV 数据一站式）
  • 跨云 / 跨集群迁移（AWS → GCP / on-prem → cloud）
  • 多 namespace 隔离备份（按租户 / 按业务线）
  • 灾备演练（定期备份 + 在隔离集群自动还原验证）
  • 升级前快照（K8s 大版本升级前 backup，回滚有底气）

不适用：

  • 单纯 etcd 二进制备份 → 用 etcdctl snapshot save，更轻量
  • 数据库逻辑级一致性快照 → 用数据库自己的工具（pg_dump / mysqldump / mongodump），Velero hook 只是辅助
  • 极低 RPO/RTO（秒级）→ Velero 是分钟级，要求秒级用云盘同步复制 + 多活
  • 非 Kubernetes 工作负载 → Velero 只懂 K8s API

历史小故事（可跳过）

  • 2017 年：Heptio（Kubernetes 联合创始人 Joe Beda、Craig McLuckie 创办）开源 Ark
  • 2018 年：VMware 收购 Heptio
  • 2019 年：Ark 改名 Velero（避免与 Apache Ark 重名，新名取自西班牙语 帆船）
  • 2022 年：捐给 CNCF 进入 sandbox
  • 2024 年：CNCF incubating，与 OpenTelemetry 早期同级
  • 当前主要维护方仍是 VMware Tanzu，社区贡献活跃，与 Kasten K10、Stash 等商业方案并存

学到什么

  1. 备份不是单点动作——资源对象 + PV 数据 + Hook 时序，三件事必须协调好才叫 可恢复
  2. CRD 抽象 = 把流程显式化——Backup / Restore / Schedule 暴露为对象，让 GitOps 工具能管，让审计能查
  3. uploader 可插拔：Restic 老但稳，Kopia 新而快，留接口比绑死实现更重要
  4. 跨云迁移的本质是 序列化 + 反序列化——只要两边都能读懂同一个桶里的 yaml + tar，物理位置就不重要

延伸阅读

关联

  • kubernetes —— Velero 的工作对象就是 K8s 集群本身
  • etcd —— K8s 元数据底座，Velero 通过 K8s API 读取其内容序列化
  • argocd —— GitOps 重建集群与 Velero 数据恢复互补：声明式重建 + 数据回灌
  • helm —— Helm 管 release 模板，Velero 管 release 运行时状态加 PV 数据
  • kustomize —— 与 Helm 同位的资源生成层，重建路径上常见组合
  • cert-manager —— 都用 Kubernetes 控制器范式，把运维任务变成声明式对象

反向链接

  • argocd —— Argo CD — Kubernetes GitOps 工具
  • cert-manager —— cert-manager — K8s 自动签发与续期 TLS 证书
  • etcd —— etcd — 分布式键值数据库
  • helm —— Helm — Kubernetes 包管理器
  • kubernetes —— Kubernetes — 容器编排平台
  • kustomize —— Kustomize — 不动原 YAML 的 K8s 配置叠加器