Kaip sukurti atsarginių kopijų ir katastrofos atgavimo strategiją?

Question

Accepted Answer

Atsarginių kopijų ir katastrofos atgavimo (DR) strategija atsakys: jei prarasime duomenis arba visą regioną, **kiek duomenų galime prarasti, kaip greitai galime būti internete atgal, ir ar iš tikrųjų galime atkurti?** Tai remiasi **3-2-1 taisykle**, aiškiais **RPO/RTO** tikslais ir — itin svarbu — **reguliariai tikrintais atkūrimais**.

## 3-2-1 taisyklė

```text
3 copies of the data
2 different media / storage types
1 copy offsite (different region or provider)
→ no single failure (disk, host, datacenter, ransomware) destroys every copy
```

Atsarginės kopijos turėtų būti **automatizuotos** (be žmogaus, kuris atsimena jas paleisti) ir **iš lauko**, kad regioninė katastrofa neimtų atsarginės kopijos kartu su primarine.

## RPO ir RTO

Šie du tikslai valdo kiekvieną dizaino sprendimą:

- **RPO (Recovery Point Objective)** — toleruojamas duomenų praradimas, matuojamas laiku. RPO 1 valanda reiškia, kad prarandama daugiausia paskutinę valandą rašytų duomenų, o tai nustato atsarginės kopijos/replikavimo dažnumą.
- **RTO (Recovery Time Objective)** — kiek laiko gali trukti atkūrimas. RTO 30 minučių reiškia, kad sistema turi būti atkurta ir veikianti per 30 minučių, kas nustato DR architektūrą.

```text
frequent backups / replication → smaller RPO (less data lost)
hotter standby infrastructure  → smaller RTO (faster recovery)
both cost money → pick targets per business criticality
```

## DR lygiai (kaina vs RTO)

```text
Backup & restore  → cheapest; restore from backups on demand   (RTO: hours)
Pilot light       → minimal core running, scale up on disaster  (RTO: tens of min)
Warm standby      → scaled-down live copy, scale up to take over (RTO: minutes)
Multi-site active → full live copies serving traffic            (RTO: ~seconds)
```

## Patikrinkite savo atkūrimus

**Atsarginė kopija, kurią niekada neatkopijavote, nėra atsarginė kopija — tai viltis.** Suplanuokite reguliarius atkūrimo pratimus: iš tikrųjų iš naujo sukurkite iš atsarginės kopijos į švarią aplinką ir patikrinkite duomenų vientisumą. Tai sugauna sugadintas atsargines kopijas, trūkstamas dalis ir sulaužytus runbook'us *prieš* tikrą katastrofą.

## Kodėl tai svarbu

Duomenų praradimas ir regioninės gedimos yra tada, kai testuojama įmonės išliekamoji geba. 3-2-1 užtikrina kopijos išlikimą bet kuriam vienam gedimui; RPO/RTO paverčia neaiškų "turime atsargines kopijas" į išmatuojamus įsipareigojimus; DR lygiai leidžia sutaikyti išlaidas su kritikalumu; o tikrinti atkūrimai yra vienintelis įrodymas, kad viskas iš tikrųjų veikia. Praleisti testą — tai kaip komandos, pamačius tiesą, supranta, kad jų atsarginės kopijos buvo beprasmiškos.