Kako se lotite obnovitve po katastrofi na AWS?

Question

Accepted Answer

**Obnovitev po katastrofi (DR)** je načrtovanje, kako obnoviti sisteme in podatke po večji napaki ali katastrofi. AWS ponuja strategije obnovitve s različnimi kompromisi med **hitrostjo obnovitve**, **izgubo podatkov** in **stroški** — opredeljene z RTO in RPO cilji.

## Ključni pojmi: RTO in 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.
```

## Strategije obnovitve (kompromis med stroški in hitrostjo obnovitve)

```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 prakse obnovitve po katastrofi

```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.
```

## Zakaj je to pomembno

Razumevanje obnovitve po katastrofi je pomembno znanje na višji ravni, ker je **obnovitev po večjih napakah nujna za sisteme kritične za poslovanje**, in ker AWS DR vključuje pomembne kompromise, je koristno za oblikovanje odporen sistemov.

DR se ukvarja z dejstvom, da se lahko zgodijo velike nesreče (napake regije, poškodovanje podatkov, katastrofalne napake), in **sistemi, kritični za poslovanje, se morajo moći obnoviti** — zato je načrtovanje DR bistveno za sisteme, kjer ima izpad ali izguba podatkov resne posledice.

Razumevanje **RTO in RPO** je temeljno: ti cilji (kako hitro se morate obnoviti in koliko izgube podatkov je sprejemljivo) **določajo strategijo DR** in morajo biti opredeljeni na podlagi poslovnih potreb — pojasnjuje, da DR ni enoličen pristop, temveč premišljen kompromis.

Razumevanje **strategij obnovitve** in njihovih **kompromisov med stroški in hitrostjo obnovitve** — varnostna kopija in obnovitev (najcenejše, najpočasnejše), pilot light (osnovni sistemi pripravljeni), warm standby (pomanjšana tekoča kopija, hitra obnovitev) in multi-site active-active (polne tekoče kopije, skoraj ničelni RTO/RPO, a najvišji stroški) — je ključno znanje za izbiro ustrezne strategije: bolj zahtevni cilji obnovitve stanejo več, zato mora strategija ustrezati kritičnosti in proračunu delovne obremenitve.

Razumevanje **praktičnih praks obnovitve** (redne testirane varnostne kopije, strategija med regijami za katastrofe na ravni regije, Infrastructure as Code za hitro rekreacijo okolja in kritično **testiranje DR načrtov**, ker nepreizkušeni načrti pogosto odpovedo, ko so potrebni) odraža zrelo operativno disciplino.

Ker je obnovitev po katastrofah nujna za kritične sisteme in ker DR vključuje prave kompromise (hitrost obnovitve, izguba podatkov, stroški), ki se morajo ujemati s poslovnimi potrebami, in ker razumevanje RTO/RPO, strategij DR in praktičnih praks omogoča oblikovanje ustreznih zmožnosti obnovitve, je razumevanje obnovitve po katastrofi na AWS pomembno znanje na višji ravni za gradnjo odporen sistemov — kritičen vidik upravljanja poslovnih delovnih obremenitev, ki odraža zrelost upravljanja tveganj in načrtovanja odpornosti, ki se pričakuje za višje vloge, odgovorne za sisteme, kjer imajo napake in izguba podatkov resne posledice.