¿Qué es la alta disponibilidad?

Los sistemas de alta disponibilidad deben poder soportar interrupciones, incluidos tiempos de inactividad programados y desastres en todo el sitio. Normalmente, los sistemas HA cumplen dos características:

• Deben estar disponibles para su uso cerca del 100 % del tiempo.
• Deben ser capaces de cumplir un determinado conjunto de expectativas predeterminadas de los usuarios. 

Con el crecimiento de las iniciativas de transformación digital y el posterior traslado de muchos servicios a la nube, muchas empresas tecnológicas y software como servicio (SaaS), incluidas Microsoft, Amazon (AWS), IBM, Red Hat, entre otras, ofrecen soluciones de alta disponibilidad.

La alta disponibilidad de los sistemas de TI es particularmente importante en los sectores en los que las aplicaciones críticas dependen de tener poco o ningún tiempo de inactividad del sistema. Por ejemplo, en los hospitales y centros de datos, los usuarios dependen de las soluciones de alta disponibilidad para realizar muchas funciones rutinarias y diarias. Si los usuarios no pueden acceder a un sistema por algún motivo, se considera que no está disponible. El período de tiempo en el que un sistema no está disponible para los usuarios se conoce como tiempo de inactividad.

La recuperación ante desastres (DR) consiste en tecnologías de infraestructura de TI y buenas prácticas diseñadas para prevenir o minimizar la pérdida de datos y la interrupción de la continuidad del negocio resultante de eventos catastróficos. La alta disponibilidad (HA), por su parte, suele referirse a pequeños fallos o averías que pueden afectar a la disponibilidad de un sistema.

Aunque son diferentes, DR y HA comparten el objetivo de minimizar la interrupción de los sistemas de TI, y ambos suelen emplear componentes redundantes y sistemas redundantes como parte de una estrategia general. Además, tanto la DR como la HA utilizan copias de seguridad de datos para que estén disponibles en caso de una amplia gama de problemas, como  fallos de hardware, fallos de software y cortes de energía.

La tolerancia a fallos es la capacidad de un sistema para funcionar de forma continua después de que uno o más de sus componentes críticos fallen. Al igual que la alta disponibilidad, la tolerancia a fallos puede ayudar a que un sistema esté disponible durante o después de un evento disruptivo.

Sin embargo, donde difieren la tolerancia a fallos y la HA es en la forma en que tratan el tiempo de inactividad. Mientras que la HA busca tener el menor tiempo de inactividad posible, el objetivo de la tolerancia a fallos es el tiempo de inactividad cero, una meta que solo puede alcanzar mediante la redundancia, es decir, teniendo una copia de seguridad o secundaria de cada uno de los componentes de la infraestructura.

Dado que las empresas dependen más que nunca de los servicios en línea y de las arquitecturas de nube y de nube híbrida para ofrecer aplicaciones y servicios críticos, las demandas de infraestructura están aumentando, lo que hace que la alta disponibilidad sea una prioridad. Estas son algunas de los beneficios más comunes de los sistemas de alta disponibilidad.

Tanto si se trata de lograr un tiempo de inactividad cero en un sector como la sanidad o las finanzas, como si simplemente se buscan formas de evitar los daños a la reputación derivados de las interrupciones, las empresas que buscan una alta disponibilidad suelen seguir un proceso de cuatro pasos.

1. Eliminar puntos únicos de error: los puntos únicos de error son componentes que harían que todo un sistema dejara de funcionar si fallara. Por ejemplo, si una matriz de servidores está funcionando en un único conmutador de red y ese conmutador falla, todos los servidores de la red fallarán. Una táctica llamada equilibrio de carga, en la que el trabajo se distribuye entre las capacidades de un sistema, se utiliza a menudo para reducir e incluso eliminar los puntos únicos de error.
   
   
2. Crear una conmutación por error fiable: la conmutación por error es la transferencia de cargas de trabajo de un sistema primario a un sistema secundario en caso de fallo en el sistema primario. Cuando las empresas crean una conmutación por error fiable, las cargas de trabajo se pueden transferir fácilmente sin tiempos de inactividad significativos, pérdida de datos o caída del rendimiento operativo.
   
   
3. Detectar los fallos al instante: La alta disponibilidad depende de que existan procesos para detectar fallos o averías en un sistema en el instante en que se producen. Muchos sistemas modernos tienen incorporada la detección automática de fallos. Algunos pueden incluso detectar un fallo y elegir el siguiente curso de acción, como implementar un proceso de conmutación por error.
   
   
4. Crear capacidades sólidas de copia de seguridad y restauración de datos: cuando fallan partes individuales de un sistema, los datos pueden perderse si no se aplican los procedimientos adecuados de copia de seguridad y restauración. Las tecnologías y prácticas de protección de datos realizan copias periódicas de los datos y las aplicaciones en un dispositivo secundario independiente para que los datos y las aplicaciones se puedan recuperar rápidamente.

Muchos sistemas de alta disponibilidad utilizan el equilibrio de carga, el proceso de distribución del tráfico entre varios servidores para optimizar la disponibilidad de las aplicaciones. Por ejemplo, con un sitio web o un servicio en la nube de alto tráfico, un sistema recibe millones de solicitudes de usuarios todos los días. El equilibrio de carga garantiza que las aplicaciones puedan entregar el contenido de los servidores web a los usuarios rápidamente y sin interrupciones.. El equilibrio de la carga, especialmente el uso de muchos equilibradores de carga a la vez, puede ayudar a garantizar que ningún componente de un sistema se vea desbordado, lo que provocaría un único punto de fallo que podría causar un tiempo de inactividad o una interrupción del servicio.

La redundancia, es decir, tener un componente secundario o de copia de seguridad disponible para tomar el relevo cuando falla uno principal, es una parte importante de un sistema de alta disponibilidad. La redundancia permite que las bases de datos permanezcan disponibles para los usuarios y las aplicaciones incluso cuando un componente no funciona. Si un componente de un sistema no es redundante, ese componente se consideraría un único punto de fallo, ya que perderlo podría impedir el funcionamiento de todo el sistema.

Los clústeres de alta disponibilidad, también conocidos como clústeres de alta disponibilidad, son grupos de máquinas conectadas que funcionan juntas como un único sistema. Cuando una máquina de un clúster falla, el software de gestión de clústeres transfiere sus cargas de trabajo a otra máquina. Dentro de un clúster de alta disponibilidad, el almacenamiento compartido entre cada nodo (ordenador) garantiza una pérdida de datos cero si un solo nodo deja de funcionar.

La alta disponibilidad se mide en relación con un sistema que está 100 % operativo o que nunca tiene una sola interrupción. Aunque ningún sistema puede estar 100 % operativo, establecerlo como objetivo ayuda a medir la disponibilidad de un sistema durante un período. La métrica más común para los sistemas y servicios de alta disponibilidad es algo llamado disponibilidad de cinco nueves.

La disponibilidad de cinco nueves significa que un sistema puede funcionar y rendir el 99,999 % del tiempo. Normalmente, solo los sistemas de sectores muy críticos, como la sanidad, el transporte, las finanzas o el gobierno, requieren una disponibilidad de cinco nueves. Estos sistemas son importantes para la vida de las personas, el acceso a los alimentos y la vivienda y el bienestar económico.

Los sistemas que no operan en estos sectores tan críticos no suelen requerir tanta disponibilidad operativa y pueden arreglárselas con una disponibilidad de "tres o cuatro nueves" (99,9 % o 99,99 %). Otra forma e de describirlo es decir que un sistema de alta disponibilidad tiene un "tiempo de actividad del 99,9/99,999 %".

Además de la disponibilidad de los cinco nueves, los gestores de sistemas de TI utilizan otras métricas clave para medir la disponibilidad de sus sistemas:

• Tiempo medio entre fallos (MTBF): el tiempo medio entre fallos (MTBF) es una medida de la fiabilidad de un sistema o componente. Es un elemento crucial de la gestión del mantenimiento, que representa el tiempo promedio que un sistema o componente funcionará antes de que falle. La fórmula MTBF se utiliza a menudo en el contexto del mantenimiento de sistemas industriales o electrónicos, donde el fallo de un componente puede provocar tiempos de inactividad significativos o incluso riesgos para la seguridad, pero MTBF se utiliza en muchos tipos de sistemas reparables y diversos sectores.
  
  
• Tiempo medio de reparación (MTTR): el tiempo medio de reparación (MTTR), a veces denominado tiempo medio de recuperación, es una métrica que se utiliza para medir el tiempo medio que se tarda en reparar un sistema o equipo después de que haya fallado. El MTTR incluye el tiempo desde que se produce el fallo hasta que el sistema o el equipo vuelven a funcionar a pleno rendimiento. Esto incluye el tiempo necesario para detectar el fallo, diagnosticar el problema y solucionarlo. El MTTR es una métrica importante de supervisar porque evalúa la disponibilidad y la fiabilidad de los sistemas y equipos.
  
  
• Objetivo de tiempo de recuperación (RTO): el objetivo de tiempo de recuperación (RTO) es el tiempo que se tarda en recuperarse de una interrupción (programada, no programada o desastre) y reanudar las operaciones normales de un sistema, aplicación o conjunto de aplicaciones. El RTO puede ser diferente para las interrupciones programadas, no programadas y de recuperación ante desastres.
  
  
• Objetivo de punto de recuperación (RPO): el objetivo de punto de recuperación (RPO) es el punto en el tiempo relativo al fallo en el que necesita conservar los datos. Los cambios en los datos anteriores al fallo o desastre en al menos este período de tiempo se conservan mediante el proceso de recuperación. Cero es un valor válido y equivale a un requisito de "pérdida de datos cero".

A medida que las organizaciones de muchos sectores emprenden amplias iniciativas de transformación digital, aumentan las demandas de disponibilidad de sus infraestructuras. El teletrabajo y la difusión de las redes 5G han hecho que sea normal que los usuarios esperen poder acceder a datos y aplicaciones desde cualquier lugar y en cualquier momento. Pero solo si los sistemas subyacentes que alimentan las aplicaciones y regulan el acceso a los datos están disponibles. Estos son algunos ejemplos de sistemas de alta disponibilidad que ayudan a las empresas modernas a prosperar: