Отказоустойчивость
Отказоустойчивость — это способность ИТ-систем продолжать работу даже при отказе одного из элементов. Такие системы строятся на двух принципах:
- Обеспечение избыточности элементов (резервирование) — каждый отказавший элемент имеет как минимум один резервный для подмены;
- Изоляция элементов — отказавший элемент не может негативно воздействовать на другие компоненты системы.
Например, в отказоустойчивой системе дата-центра могут быть установлены сдвоенные блоки питания на каждом сервере. Если один блок питания выйдет из строя, система автоматически переключится на резервный, и работа продолжится без перерывов. Кроме того, диски могут быть объединены в RAID массив, что обеспечивает дублирование данных на нескольких дисках. В случае выхода из строя одного из дисков, остальные продолжат хранить данные, и это не повлияет на доступность системы.
Примеры технологий отказоустойчивости:
- сдвоенные блоки питания;
- объединение дисков в RAID массивы (1,5,6,10);
- репликация и кластеризация на уровне приложений или системы виртуализации;
- протоколы резервирования шлюза по умолчанию (VRRP, HSRP);
- стекирование сетевых коммутаторов и агрегация сетевых подключений;
- динамические протоколы маршрутизации и резервирование каналов связи.
Наше мнение
- Повышенная отказоустойчивость помогает предотвратить временные сбои, но не заменяет необходимость регулярного резервного копирования данных. Это важно, чтобы в случае критических ситуаций, таких как масштабный сбой или пожар в серверной, гарантировать долгосрочную сохранность данных и обеспечить их быстрое восстановление после инцидента.
- Состояние компонентов отказоустойчивой системы требует регулярного мониторинга. Если отказ одного из зарезервированных элементов останется незамеченным, это может лишить систему отказоустойчивости. В случаях, когда автоматизированный мониторинг невозможен, его необходимо заменить систематическими ручными проверками в рамках регламентно-профилактического обслуживания.
- Даже в отказоустойчивой системе необходим план аварийного восстановления — набор мероприятий на случай, когда (не «если», а именно «когда») отказоустойчивая система всё же выйдет из строя.
- При проектировании отказоустойчивых систем мы рекомендуем уделить особое внимание предотвращению ситуаций «разделенный мозг» (split brain). В таких случаях зарезервированные элементы теряют связь и начинают считать, что другой больше не функционирует. Это может привести к несогласованности данных в серверных системах или к сбоям в работе сети. Обычно такие ситуации устраняются обеспечением отказоустойчивой связи между элементами и использованием технологий, таких как «кворум» или «свидетель».
- Хотя отказоустойчивость снижает вероятность инцидентов, она не устраняет их полностью. Для оценки общей надежности ИТ-инфраструктуры нужно изучить её архитектуру, взаимосвязь компонентов и методы их резервирования. Также необходимо рассчитать среднее время наработки на отказ (MTBF) для всей системы, опираясь на показатели отдельных элементов. Полученное значение может быть довольно большим, но не бесконечным.
Читайте нас в Telegram
