Jak navrhnout fallback infrastrukturu při výpadku cloudu

Výpadky cloudových služeb nejsou výjimečné a mohou postihnout i největší světové poskytovatele. Pokud aplikace spoléhá pouze na jednu infrastrukturu, může i krátká nedostupnost znamenat finanční ztráty nebo nespokojené zákazníky. Jak navrhnout fallback infrastrukturu, která zajistí kontinuitu provozu i v případě selhání cloudu?

Co je fallback infrastruktura

Fallback infrastruktura představuje záložní technické řešení, které umožňuje aplikaci nebo službě pokračovat v provozu i v případě výpadku primární infrastruktury. Jejím cílem není zabránit každému výpadku, ale minimalizovat jeho dopady a co nejrychleji obnovit provoz.

Nejde přitom jen o záložní server. Moderní fallback infrastruktura obvykle zahrnuje více komponent, například:

• záložní cloud nebo datové centrum,
• replikaci databází,
• záložní úložiště dat,
• redundantní DNS,
• load balancery a CDN,
• monitoring a automatické přesměrování provozu při výpadku.

Důležitou součástí je také automatizace. Pokud monitoring odhalí problém, může systém automaticky přesměrovat provoz na záložní infrastrukturu, což výrazně zkrátí dobu nedostupnosti.

Fallback infrastrukturu je zároveň potřeba odlišit od běžného zálohování dat. Zatímco zálohy slouží k obnově dat po jejich ztrátě, fallback infrastruktura zajišťuje, aby aplikace zůstala dostupná i během výpadku. Oba přístupy se proto vzájemně doplňují.

Jak navrhnout fallback infrastrukturu krok za krokem

1) Určete, které části systému jsou skutečně kritické – častou chybou je snaha zálohovat úplně všechno. Takový přístup bývá zbytečně složitý i nákladný. Nejprve si proto určete, které služby musí zůstat dostupné za všech okolností. U e-shopu jde typicky o přihlášení uživatelů, katalog produktů, nákupní košík nebo platební proces. Naopak administrace, analytické nástroje nebo interní reporting mohou být krátkodobě nedostupné bez zásadního dopadu na provoz.

2) Stanovte cíle obnovy (RTO a RPO) – dalším krokem je definování požadavků na obnovu systému. RTO (Recovery Time Objective) určuje maximální přípustnou dobu výpadku, zatímco RPO (Recovery Point Objective) stanovuje, o kolik dat si můžete dovolit přijít. Čím nižší tyto hodnoty budou, tím vyšší budou nároky na infrastrukturu i její provozní náklady.

3) Vyberte vhodnou architekturu – vysoká dostupnost neznamená, že musíte vždy provozovat aplikaci u několika cloudových poskytovatelů. Multi-cloud sice zvyšuje odolnost proti výpadkům, ale zároveň přináší vyšší náklady i složitější správu. Pro řadu firem je vhodnějším řešením kombinace primárního cloudu se záložním VPS nebo dedikovaným serverem, replikací databází a automatickým přepnutím při výpadku.

4) Nepodceňujte databáze – databáze bývají nejkritičtější částí celé infrastruktury. Zatímco servery lze obnovit poměrně rychle, synchronizace dat je výrazně náročnější. Nejčastěji se využívají synchronní nebo asynchronní replikace, pravidelné snapshoty, technologie Point-in-Time Recovery (PITR) nebo geograficky oddělené databázové repliky.

5) Připravte záložní DNS – ani funkční záložní infrastruktura nepomůže, pokud se k ní uživatelé nedostanou. Proto je důležité správně navrhnout i DNS. Moderní DNS služby nabízejí automatické health checky, přesměrování provozu při výpadku, load balancing, geografické směrování i redundantní autoritativní DNS servery. Důležité je také správné nastavení hodnoty TTL, která ovlivňuje rychlost přesměrování provozu.

6) Myslete na služby třetích stran – moderní aplikace často využívají externí služby, jejichž výpadek může ovlivnit celý systém. Typicky jde o platební brány, e-mailové služby, CDN, autentizační systémy nebo různá API. Vyplatí se proto připravit scénáře pro případ jejich nedostupnosti – například odložené odesílání e-mailů, přepnutí na alternativní službu nebo dočasné omezení méně důležitých funkcí.

7) Pravidelně testujte krizové scénáře – záložní infrastruktura má smysl pouze tehdy, pokud skutečně funguje. Mnoho problémů se odhalí až při simulovaném výpadku. Testování často odhalí nefunkční replikaci databází, chybné automatické přepnutí, expirované certifikáty, neplatná přístupová oprávnění nebo zálohy, které nelze obnovit. Pravidelné disaster recovery testy by proto měly být součástí každého plánu obnovy.

8) Automatizujte obnovu infrastruktury – ruční přepínání infrastruktury bývá pomalé a zvyšuje riziko lidské chyby. Stále více organizací proto využívá přístup Infrastructure as Code (IaC), který umožňuje servery, sítě i další komponenty vytvářet a obnovovat automaticky podle předem připravené konfigurace. Výsledkem je rychlejší obnova provozu, jednodušší správa infrastruktury a vyšší spolehlivost při řešení krizových situací.

Kvalitní infrastruktura je základem odolného provozu

Odolnost aplikace nezačíná až ve chvíli, kdy dojde k výpadku. Základem je kvalitně navržená primární infrastruktura, která nabízí vysokou dostupnost, moderní datová centra, spolehlivou síťovou konektivitu a možnost rychlého rozšíření nebo vytvoření záložního prostředí. Díky tomu je návrh i provoz fallback infrastruktury výrazně jednodušší.

Například český cloud od ZonerCloudu nabízí virtuální privátní servery (Linux VPS), dedikované servery i GPU infrastrukturu provozovanou v datových centrech v České republice.

Díky SLA 99,99 %, rychlým NVMe úložištím a možnosti během několika minut nasadit další instance může představovat vhodný základ nejen pro běžný provoz, ale i pro budování záložní infrastruktury.

Stoprocentně bezvýpadková infrastruktura neexistuje. Cílem moderní architektury proto není zabránit každému incidentu, ale zajistit, aby měl na provoz co nejmenší dopad. Dobře navržený fallback plán zahrnuje záložní servery, replikaci dat, automatické přesměrování provozu i pravidelné testování krizových scénářů.

Firmy, které jsou na podobné situace připravené, dokážou obnovit provoz výrazně rychleji a minimalizovat dopady na zákazníky i svůj byznys. Právě schopnost rychlé obnovy se dnes stává jedním z nejdůležitějších znaků moderní a spolehlivé IT infrastruktury.