用途
该技能用于回答“数据平台如何在大规模故障中存活”这一问题，而不仅是处理单次事件。它帮助智能体为数据系统设计恢复目标、备份与恢复路径、控制面恢复、故障切换决策以及可重复的恢复演练。
灾难恢复规划与事件处理不同：灾难恢复针对的是平台重大损失或持续不可用。
主要能力
- 分类关键服务与数据产品，识别关键数据集、控制面依赖、编排与元数据服务、下游消费者及业务影响。
- 定义恢复目标，包括 RTO、RPO、可接受的降级模式，以及故障切换期间必须的发布保护。
- 映射恢复资产与依赖，覆盖备份与快照、检查点或增量状态、编排定义、密钥与访问路径、血缘与元数据服务，以及恢复后的验证与对账控制。
- 选择恢复策略，可选方案包括原地恢复、温备、冷备、跨区域或跨账户故障转移、面向消费者的降级模式并阻断发布。
- 验证恢复路径，通过演练检验恢复时间、检查点连续性、发布阻断与重新开放标准、恢复后对账、归属与升级行为。
使用方式
当出现以下情况时使用该技能：
- 为关键数据集或平台服务定义 RTO 和 RPO
- 规划区域、账户或环境故障转移
- 验证仓库、数据湖或有状态处理器的备份与恢复行为
- 为共享数据产品和关键发布路径设计业务连续性
- 在真实故障迫使之前运行恢复演练
适用场景
适用于数据平台的灾难恢复与业务连续性规划，包括关键数据产品与服务的恢复目标定义、备份与恢复路径文档化、恢复策略与业务影响及平台约束的匹配、恢复演练验证时间与正确性及发布保护，以及重大故障场景下的归属与升级路径明确。
限制与注意事项
- 云服务商提供的可用性不能替代数据集恢复、元数据恢复或发布安全的故障切换设计。
- 仅有备份并不足够：未经测试的备份和未定义的恢复归属无法证明业务连续性。
- 不应在故障发生时才临时确定故障切换步骤，重大故障期间是发现恢复依赖或缺失权限的最差时机。
- 危险信号包括：关键数据产品没有明确的 RTO 或 RPO；备份清单忽略元数据、编排或增量状态；故障切换描述缺少恢复后的验证或对账；降级模式下的发布行为未定义；从未执行过恢复演练。
验证要点
- 关键数据产品和服务具有明确的恢复目标
- 备份、恢复和依赖恢复路径已文档化
- 恢复策略与业务影响和平台约束相匹配
- 恢复演练验证时间、正确性和发布保护
- 重大故障场景下的归属和升级路径清晰