Che cosa si intende per elevata disponibilità?

I sistemi a elevata disponibilità devono essere in grado di resistere alle interruzioni, compresi i tempi di inattività programmati e i disastri a livello di sito. Solitamente, i sistemi a elevata disponibilità soddisfano due caratteristiche:

• Devono essere disponibili all'uso per quasi il 100% del tempo.
• Devono essere in grado di soddisfare un determinato insieme di aspettative predeterminate dell'utente.

Con l'aumento delle iniziative di trasformazione digitale e il successivo spostamento di numerosi servizi sul cloud, le soluzioni a elevata disponibilità sono ora offerte da numerose società tecnologiche e software as a service (SaaS), tra cui Microsoft, Amazon (AWS), IBM®, Red Hat® e altre ancora.

L'elevata disponibilità dei sistemi IT è particolarmente importante nei settori in cui le applicazioni critiche si basano su tempi di inattività del sistema minimi o assenti. Ad esempio, negli ospedali e nei data center, gli utenti dipendono da soluzioni a elevata disponibilità per svolgere numerose funzioni quotidiane di routine. Se per qualsiasi motivo gli utenti non riescono ad accedere a un sistema, questo viene considerato "non disponibile". Il periodo di tempo in cui un sistema non è disponibile per gli utenti prende il nome di tempo di inattività.

Il disaster recovery (DR) è costituito da tecnologie di infrastruttura IT e best practice progettate per prevenire o ridurre al minimo la perdita di dati e l'interruzione della continuità aziendale derivante da eventi catastrofici. L'elevata disponibilità (HA), invece, riguarda solitamente i guasti o i problemi più piccoli che potrebbero avere un impatto sulla disponibilità di un sistema.

Anche se diversi, il DR e l'HA condividono entrambi l'obiettivo di ridurre al minimo le interruzioni dei sistemi IT ed entrambi in genere utilizzano componenti e sistemi ridondanti come parte di una strategia generale. Inoltre, sia il DR sia l'HA utilizzano i data backup per rendere disponibili i dati in caso di un'ampia serie di problemi, tra cui guasti hardware, guasti software e interruzioni di corrente.

La tolleranza ai guasti è la capacità di un sistema di funzionare ininterrottamente dopo il guasto di uno o più componenti critici. Esattamente come l'HA, la tolleranza ai guasti può aiutare a rendere disponibile un sistema durante o dopo un evento di disturbo.

Tuttavia, dove la tolleranza ai guasti e l'HA differiscono è nel modo di gestione dei tempi di inattività. Sebbene l'HA tenti di ridurre al minimo i tempi di inattività, l'obiettivo della tolleranza ai guasti è l'assenza di tempi di inattività, un obiettivo raggiungibile solo attraverso la ridondanza, con un backup o una copia secondaria di ogni singolo componente dell'infrastruttura.

Con le aziende che si affidano sempre di più ai servizi online e alle architetture cloud e hybrid cloud per offrire applicazioni e servizi critici, le richieste di infrastruttura stanno aumentando, rendendo l'elevata disponibilità una priorità. Ecco alcuni dei benefici aziendali più comuni dei sistemi a elevata disponibilità.

Che si tratti di raggiungere tempi di inattività pari a zero in un settore come quello sanitario o finanziario, o semplicemente di trovare modi per evitare danni alla reputazione dovuti a interruzioni, le aziende che puntano a un'elevata disponibilità in genere seguono un processo articolato in 4 fasi.

1. Eliminazione dei singoli punti di guasto:i singoli punti di guasto sono componenti che possono causare l'interruzione del funzionamento di un intero sistema in caso di guasto. Ad esempio, se una serie di server funziona su un singolo switch di rete e quel determinato switch si guasta, tutti i server della rete non funzioneranno. Una tattica chiamata bilanciamento del carico, in cui il lavoro è distribuito tra le capacità di un sistema, spesso viene utilizzata per ridurre e persino eliminare i singoli punti di guasto.
   
   
2. Creazione di un failover affidabile: il failover consiste nel trasferimento dei workload da un sistema primario a un sistema secondario in caso di guasto del sistema primario. Quando le aziende creano un failover affidabile, i workload possono essere trasferiti facilmente senza tempi di inattività, perdita di dati o calo delle prestazioni.
   
   
3. Rilevamento immediato dei guasti: l'elevata disponibilità dipende dalla presenza di processi in grado di rilevare guasti o difetti in un sistema nell'istante stesso in cui si verificano. Numerosi sistemi moderni dispongono di un rilevamento automatico dei guasti integrato. Alcuni sistemi sono persino in grado di rilevare un errore e scegliere la linea d'azione successiva, come ad esempio l'implementazione di un processo di failover.
   
   
4. Sviluppo di solide funzionalità di backup e ripristino dei dati: quando singole parti di un sistema non funzionano, i dati possono andare persi se non vengono implementate le procedure di backup e ripristino adeguate. Le tecnologie e le pratiche di protezione dei dati effettuano periodicamente delle copie di dati e applicazioni su un dispositivo secondario separato, in modo che i dati e le applicazioni possano essere rapidamente recuperati.

Numerosi sistemi HA utilizzano il bilanciamento del carico, il processo di distribuzione del traffico tra più server per ottimizzare la disponibilità delle applicazioni. Ad esempio, con un sito Web o un cloud service ad alto traffico, un sistema riceve milioni di richieste utente ogni giorno. Il bilanciamento del carico garantisce che le applicazioni possano distribuire i contenuti dai server Web agli utenti in modo rapido e senza interruzioni. Il bilanciamento del carico, in particolare l'uso di più sistemi di bilanciamento del carico contemporaneamente, può aiutare a garantire che nessun singolo componente di un sistema venga sovraccaricato, provocando un singolo punto di guasto che potrebbe causare tempi di inattività o un'interruzione.

La ridondanza, ovvero la disponibilità di un componente secondario o di backup da sostituire in caso di guasto di un componente primario, è una parte importante di un sistema a elevata disponibilità. La ridondanza consente ai database di rimanere disponibili per gli utenti e le applicazioni anche quando un componente non funziona. Se un componente di un sistema non è ridondante, quel componente sarebbe considerato un singolo punto di guasto, in quanto la sua perdita potenzialmente potrebbe impedire il funzionamento dell'intero sistema.

I cluster a elevata disponibilità, noti anche come clustering a elevata disponibilità, sono gruppi di macchine collegate che lavorano insieme come un unico sistema. Quando una macchina di un cluster si guasta, il software di gestione del cluster trasferisce i workload su un'altra macchina. All'interno di un cluster a elevata disponibilità, lo storage condiviso tra ogni nodo (computer) assicura una perdita di dati pari a zero in caso di interruzione del funzionamento di un singolo nodo.

L'elevata disponibilità viene misurata in relazione a un sistema operativo al 100% o che non ha mai presentato una singola interruzione. Anche se nessun sistema può essere operativo al 100%, fissarlo come obiettivo aiuta a misurare la disponibilità di un sistema per un determinato periodo. La metrica più comune utilizzata per i sistemi e i servizi a elevata disponibilità è la disponibilità a cinque nove.

La disponibilità a cinque nove significa che un sistema può essere operativo e funzionare il 99,999% del tempo. In genere, solo i sistemi in settori estremamente critici come sanità, trasporti, finanza o governo, richiedono una disponibilità a cinque nove. Questi sistemi sono importanti per la vita delle persone, l'accesso al cibo e all'alloggio e il benessere economico.

I sistemi che non operano in questi settori estremamente critici in genere non richiedono la stessa disponibilità operativa e possono accontentarsi di una disponibilità "tre o quattro nove" (99,9% o 99,99%). Un altro modo in cui questo viene spesso descritto è dire che un sistema a elevata disponibilità ha "99,9/99,999% di tempo di attività."

Oltre alla disponibilità a cinque nove, i system manager utilizzano diverse altre metriche per misurare la disponibilità dei propri sistemi:

• Tempo medio tra i guasti (MTBF): il tempo medio tra i guasti (MTBF) è una misura dell'affidabilità di un sistema o di un componente. È un elemento fondamentale della gestione della manutenzione e rappresenta il tempo medio di funzionamento di un sistema o di un componente prima che questo si guasti. La formula MTBF spesso viene utilizzata nel contesto della manutenibilità di sistemi industriali o elettronici, dove il guasto di un componente può portare a tempi di inattività significativi o addirittura rischi per la sicurezza, ma l'MTBF viene utilizzato in numerosi tipi di sistemi riparabili e in diversi settori.
  
  
• Tempo medio di riparazione (MTTR): il tempo medio di riparazione (MTTR), talvolta indicato come tempo medio di ripristino, è una metrica utilizzata per misurare il tempo medio necessario per riparare un sistema o un componente dell'attrezzatura dopo che si è verificato un guasto. L'MTTR include il tempo che intercorre tra il momento in cui si verifica il guasto e il momento in cui il sistema o l'attrezzatura sono di nuovo completamente funzionanti. Questo include il tempo necessario per rilevare l'errore, diagnosticare il problema e risolverlo. L'MTTR è una metrica importante da monitorare perché valuta la disponibilità e l'affidabilità dei sistemi e delle attrezzature.
  
  
• Recovery Time Objective (RTO): Recovery Time Objective (RTO) è il tempo necessario per eseguire il ripristino a seguito di un'interruzione (programmata, non programmata o un disastro) e riprendere le normali operazioni di un sistema, un'applicazione o una serie di applicazioni. L'RTO potrebbe essere diverso a seconda che si tratti di interruzioni programmate, non programmate o disaster recovery.
  
  
• Recovery point objective (RPO): il recovery point objective (RPO) è il momento relativo al guasto in cui è necessario conservare i dati. Le modifiche ai dati precedenti il guasto o il disastro almeno per questo periodo di tempo non sono interessate dal ripristino. Zero è un valore valido ed equivale al requisito di "perdita di dati pari a zero".

Man mano che le organizzazioni di vari settori intraprendono ampie iniziative di trasformazione digitale, le richieste di disponibilità della loro infrastruttura sono in aumento. Il lavoro da remoto e la diffusione delle reti 5G hanno reso normale che gli utenti si aspettino di poter accedere ai dati e alle applicazioni da qualsiasi luogo e in qualsiasi momento. Ma questo è possibile solo se sono disponibili i sistemi sottostanti che fanno funzionare le applicazioni e regolano l'accesso ai dati. Di seguito sono riportati alcuni esempi di sistemi a elevata disponibilità che aiutano le aziende moderne a prosperare: