Площадка недоступна, сроков восстановления нет: как спроектировать DR, который переживёт потерю ключевого ЦОДа

В ночь на 8 октября в Yandex Cloud произошел масштабный сбой в зоне доступности ru-central1-b из-за потери электропитания, что привело к остановке работы ключевого дата-центра. Инцидент затронул множество крупных сервисов, включая «Авито», «ЦИАН» и банковские системы. На следующий день проблемы возникли в дата-центре в Калуге. Данная ситуация стала поводом для обсуждения стратегий Disaster Recovery (DR). Автор статьи анализирует сценарии отказов инфраструктуры и предлагает архитектурные решения для обеспечения отказоустойчивости при потере основной площадки. В материале рассматривается модель восстановления на независимом ЦОДе, а также проводится расчет показателей RPO (целевая точка восстановления) и RTO (целевое время восстановления) на примере инфраструктуры из 40 виртуальных машин. Статья призвана помочь инженерам подготовиться к внезапным и длительным простоям облачных провайдеров, обеспечивая непрерывность бизнес-процессов в критических условиях.