Резервирование и восстановление

Две разные задачи, которые часто путают: чтобы система пережила отказ железа — и чтобы бизнес пережил потерю площадки.

Отказоустойчивость

• Дублирование узлов и служб, распределение по разным физическим машинам и зонам.
• Балансировка и health check, чтобы трафик уходил с упавшего узла автоматически.
• Кластеры баз с переключением на реплику и понятной процедурой возврата.

Резервные копии

• Копии на отдельной площадке, а не на том же сервере и не на том же хранилище.
• Расписание и сроки хранения под требования: суточные, недельные, месячные.
• Регулярное восстановление на тестовый контур. Пока копию не развернули — неизвестно, копия это или набор байтов.

План восстановления

Документ, в котором записано: какие системы поднимаем первыми, кто это делает, за какое время и что считается «поднялись». Проверяется учениями, а не хранится в папке до первой аварии.

Две величины, которые определяют схему и её стоимость:

• RPO — сколько данных допустимо потерять: от нуля до суток;
• RTO — сколько времени допустимо лежать: от минут до рабочего дня.

Обе цифры называет бизнес, а не инженеры. Дальше под них подбирается схема.

Что получает заказчик

Проверенную процедуру восстановления с измеренным временем — вместо надежды, что бэкапы, которые никто не открывал, окажутся рабочими.