Hur hanterar du disaster recovery på AWS?

Question

Accepted Answer

**Disaster recovery (DR)** är planering för hur man återställer system och data efter ett större fel eller en katastrof. AWS erbjuder DR-strategier med olika avvägningar mellan **återställningshastighet**, **dataförlust** och **kostnad** — definierade av RTO- och RPO-mål.

## Nyckelbegrepp: RTO och 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-strategier (kostnad vs återställningshastighet)

```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.
```

## Praktiska DR-rutiner

```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.
```

## Varför det är viktigt

Att förstå disaster recovery är viktig kunskap på seniorniveau eftersom **återställning från större fel är avgörande för verksamhetskritiska system**, och AWS DR innebär viktiga avvägningar, så det är värdefullt för att designa motståndskraftiga system.

DR tar itu med verkligheten att större katastrofer kan inträffa (regionfel, datakorrumpering, katastrofala fel), och **verksamhetskritiska system måste kunna återställas** — vilket gör DR-planering väsentlig för system där driftstopp eller dataförlust har allvarliga konsekvenser.

Att förstå **RTO och RPO** är grundläggande: dessa mål (hur snabbt du måste återställa, och hur mycket dataförlust som är acceptabel) **driver DR-strategin** och måste definieras baserat på affärsbehov — vilket clarifierar att DR inte är en lösning för alla utan en medveten avvägning.

Att förstå **DR-strategierna** och deras **kostnad-vs-återställningshastighet-avvägningar** — backup & restore (billigast, långsammast), pilot light (kärnansystem redo), warm standby (skalad-ned köpande kopia, snabb återställning), och multi-site active-active (fullt köpande kopior, nästan noll RTO/RPO men högsta kostnad) — är nyckelkunskapen för att välja en lämplig strategi: mer krävande återställningsmål kostar mer, så strategin måste matcha arbetsbördens kritikalitet och budget.

Att förstå **praktiska DR-rutiner** (regelbundna testade säkerhetskopior, tvärregional strategi för regionala katastrofer, Infrastructure as Code för snabb miljöåterskapning, och kritiskt **testning av DR-planer** eftersom otestade planer ofta misslyckas när de behövs) reflekterar mogna driftsdisciplin.

Eftersom återställning från katastrofer är väsentlig för kritiska system och DR innebär verkliga avvägningar (återställningshastighet, dataförlust, kostnad) som måste matcha affärsbehov, och eftersom förståelse för RTO/RPO, DR-strategierna och praktiska rutiner möjliggör utformning av lämpliga återställningskapaciteter, är förståelse för disaster recovery på AWS viktig seniorkunskap för att bygga motståndskraftiga system — en kritisk aspekt av att driva affärsviktiga arbetsbelastningar, reflekterande riskhantering och motståndskraften-planeringsmognaden som förväntas för seniora roller som är ansvariga för system där fel och dataförlust har allvarliga konsekvenser.