Kako se pristupate oporavku od katastrofe na AWS-u?

Question

Accepted Answer

**Oporavak od katastrofe (DR)** je planiranje kako vratiti sisteme i podatke u pogon nakon velikog kvarova ili katastrofe. AWS nudi DR strategije s različitim kompromisima između **brzine oporavka**, **gubitka podataka** i **troška** — definirane RTO i RPO objektivima.

## Ključni koncepti: RTO i RPO

```text
RTO (Recovery Time Objective) → how QUICKLY you must recover (acceptable downtime)
RPO (Recovery Point Objective) → how much DATA LOSS is acceptable (recover to how
  recent a point — e.g. "at most 5 minutes of data lost")
→ Lower RTO/RPO (faster recovery, less data loss) = higher cost/complexity.
  Define these based on business needs; they drive the DR strategy choice.
```

## DR strategije (kompromis između troška i brzine oporavka)

```text
1. BACKUP & RESTORE → back up data (to S3, snapshots); restore after a disaster
   → cheapest; slowest recovery (hours); higher RPO. For tolerant workloads.
2. PILOT LIGHT → core systems (e.g. database, replicated) kept minimal/ready;
   scale up the rest on disaster → moderate cost, faster recovery
3. WARM STANDBY → a scaled-down but RUNNING copy in another region; scale up on failover
   → higher cost, fast recovery (minutes)
4. MULTI-SITE ACTIVE-ACTIVE → full running copies in multiple regions serving traffic
   → highest cost/complexity; near-zero RTO/RPO. For the most critical systems.
```

## Praktične DR prakse

```text
✓ Regular, tested BACKUPS (automated; cross-region copies; verify they restore!)
✓ Cross-REGION strategy for region-level disasters (DR often = another region)
✓ INFRASTRUCTURE AS CODE → recreate environments quickly/reliably
✓ TEST DR plans regularly (a plan never tested may fail when needed)
✓ Automate failover where possible; document runbooks
→ Match the strategy to the workload's RTO/RPO and budget.
```

## Zašto je važno

Razumijevanje oporavka od katastrofe važno je znanje na višoj razini jer je **oporavak od većih kvarova bitan za poslovne kritične sisteme**, a AWS DR uključuje važne kompromise, što ga čini vrijednim za oblikovanje otpornih sistema.

DR se bavi činjenicom da velike katastrofe mogu nastati (kvarovi regije, oštećenja podataka, kritične greške), a **poslovni kritični sistemi moraju biti sposobni za oporavak** — čineći DR planiranje bitnim za sisteme gdje zastoj ili gubitak podataka ima ozbiljne posljedice.

Razumijevanje **RTO i RPO** je temeljno: ti objektivi (kako brzo morate oporaviti, i koliko gubitka podataka je prihvatljivo) **voze DR strategiju** i moraju biti definirani na temelju poslovnih potreba — pojašnjavajući da DR nije rješenje za sve situacije, već namjeran balans.

Razumijevanje **DR strategija** i njihovih **kompromisa između troška i brzine oporavka** — sigurnosna kopija i vraćanje (najjeftinije, najsporije), pilot light (osnovni sistemi spremni), toplo standby (smanjeno kopija u pogonu, brz oporavak), i multi-site aktivno-aktivno (potpune kopije u pogonu, gotovo nula RTO/RPO ali najviši trošak) — je ključno znanje za izbor odgovarajuće strategije: zahtjevniji objektivi oporavka koštaju više, tako da strategija mora biti usklađena s kritičnošću i budžetom radnog opterećenja.

Razumijevanje **praktičnih DR praksi** (redovito testirane sigurnosne kopije, strategija između regija za katastrofe na razini regije, Infrastruktura kao kod za brzo ponovno stvaranje okruženja, i ključno **testiranje DR planova** budući da netestirani planovi često ne uspijevaju kada su potrebni) odražava zrelu operativnu disciplinu.

Budući da je oporavak od katastrofa bitan za kritične sisteme i DR uključuje prave kompromise (brzina oporavka, gubitak podataka, trošak) koji moraju biti usklađeni s poslovnim potrebama, i budući da razumijevanje RTO/RPO, DR strategija i praktičnih praksi omogućava oblikovanje odgovarajućih mogućnosti oporavka, razumijevanje oporavka od katastrofe na AWS-u je važno znanje na višoj razini za izgradnju otpornih sistema — kritičan aspekt upravljanja poslovnom važnim radnim opterećenjima, odražavajući razinu zrelosti upravljanja rizikom i planiranja otpornosti koju se očekuje za više uloge odgovorne za sisteme gdje neuspjesi i gubitak podataka nose ozbiljne posljedice.