¿Qué es la alta disponibilidad?

Los sistemas de alta disponibilidad deben ser capaces de resistir interrupciones, incluidos los tiempos de inactividad programados y los desastres en todo el sitio. Por lo general, los sistemas de alta disponibilidad cumplen dos características:

• Deben estar disponibles para su uso cerca del 100 % del tiempo.
• Deben poder cumplir con un determinado conjunto de expectativas predeterminadas del usuario. 

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

La alta disponibilidad de los sistemas de TI es particularmente importante en las industrias donde las aplicaciones críticas dependen de tener poco o ningún tiempo de inactividad del sistema. Por ejemplo, en hospitales y centros de datos, los usuarios dependen de soluciones de alta disponibilidad para realizar muchas funciones rutinarias diarias. Si los usuarios no pueden acceder a un sistema por cualquier motivo, se considera "no disponible". El período de tiempo 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 mejores prácticas diseñadas para prevenir o minimizar la pérdida de datos y la interrupción de la continuidad del negocio como resultado de eventos catastróficos. La alta disponibilidad (HA), por otro lado, generalmente se refiere a fallas o fallas más pequeñas que pueden afectar 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 DR como HA utilizan copias de seguridad para que los datos estén disponibles en caso de una amplia gama de problemas, incluidas fallas de hardware, fallas de software y cortes de energía.

La tolerancia a fallas es la capacidad de un sistema para operar continuamente después de que uno o más de sus componentes críticos fallan. Al igual que la alta disponibilidad, la tolerancia a fallas puede ayudar a que un sistema esté disponible durante o después de un evento disruptivo.

Sin embargo, donde la tolerancia a fallas y la alta disponibilidad difieren es en la forma en que tratan el tiempo de inactividad. Si bien la HA busca tener el menor tiempo de inactividad posible, el objetivo de la tolerancia a fallas es cero tiempo de inactividad, un objetivo que solo puede lograr a través de la redundancia, tener una copia de seguridad o copia secundaria de cada componente de la infraestructura.

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

Ya sea que busquen lograr cero tiempo de inactividad en una industria como la atención médica o las finanzas, o simplemente busquen formas de evitar daños a la reputación por interrupciones, las empresas que buscan alta disponibilidad suelen seguir un proceso de 4 pasos.

1. Eliminar puntos únicos de falla: los puntos únicos de falla son componentes que harían que un sistema completo 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 falla.
   
   
2. Cree una conmutación por error confiable: la conmutación por error es la transferencia de cargas de trabajo de un sistema primario a un sistema secundario en caso de falla en el sistema primario. Cuando las empresas crean una conmutación por error confiable, las cargas de trabajo se pueden transferir fácilmente sin tiempo de inactividad significativo, pérdida de datos o caída en el rendimiento operativo.
   
   
3. Detecte fallas al instante: la alta disponibilidad depende de contar con procesos para detectar fallas o fallas en un sistema en el instante en que ocurren. Muchos sistemas modernos han incorporado detección automatizada de fallas. Algunos incluso pueden detectar una falla y elegir el siguiente curso de acción, como implementar un proceso de conmutación por error.
   
   
4. Desarrolle capacidades sólidas de copia de seguridad y restauración de datos: cuando fallan partes individuales de un sistema, los datos pueden perderse si no se implementan los procedimientos adecuados de copiade 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 poder recuperarlos 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 servicio en la nube de alto tráfico, un sistema recibe millones de solicitudes de usuarios todos los días. El equilibrio de la carga garantiza que las aplicaciones puedan entregar el contenido de los servidores sitio web a los usuarios rápidamente y sin interrupciones. El equilibrio de la carga, especialmente el uso de varios equilibradores de carga a la vez, puede ayudar a garantizar que ningún componente de un sistema se vea sobrecargado, lo que provocaría un único punto de fallo que podría causar un tiempo de inactividad o una interrupción.

La redundancia (tener un componente secundario o de respaldo disponible para asumir el control 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 está funcionando. Si un componente de un sistema no es redundante, ese componente se consideraría un único punto de falla, ya que perderlo podría impedir que todo el sistema funcione.

Los clústeres de alta disponibilidad, también conocidos como clústeres de alta disponibilidad, son grupos de máquinas conectadas que trabajan juntas como un solo sistema. Cuando falla una máquina en un clúster, el software de administración de clúster transfiere sus cargas de trabajo a otra máquina. Dentro de un clúster de alta disponibilidad, el almacenamiento compartido entre cada nodo garantiza cero pérdida de datos 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 industrias muy críticas, como la atención médica, 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 estas industrias tan críticas 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 System Manager utilizan otras métricas clave para medir la disponibilidad de sus sistemas:

• Tiempo medio entre fallas (MTBF): el tiempo medio entre fallas (MTBF) es una medida de la confiabilidad de un sistema o componente. Es un elemento crucial de la gestión del mantenimiento, ya que representa el tiempo promedio que un sistema o componente funcionará antes de fallar. La fórmula MTBF se utiliza con frecuencia en el contexto de la mantenibilidad de sistemas industriales o electrónicos, donde el fracaso de un componente puede dar lugar a un tiempo de inactividad significativo o incluso a riesgos para la seguridad, pero el MTBF se utiliza en muchos tipos de sistemas reparables y en diversas industrias.
  
  
• Tiempo medio de reparación (MTTR): Tiempo medio de reparación (MTTR), a veces denominado tiempo medio de recuperación, es una métrica que se utiliza para medir el tiempo promedio que se tarda en reparar un sistema o equipamiento después de que haya fallado . El MTTR incluye el tiempo que transcurre desde que se produce el fallo hasta que el sistema o el equipamiento vuelven a ser plenamente funcionales. Esto incluye el tiempo que se tarda en detectar el error, diagnosticar el problema y arreglarlo. El MTTR es una métrica importante para monitorear porque evalúa la disponibilidad y confiabilidad de los sistemas y el equipamiento.
  
  
• Objetivo de tiempo de recuperación (RTO): el objetivo de tiempo de recuperación (RTO) es el tiempo que lleva 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 a la falla en la que necesita conservar los datos. Los cambios de datos anteriores a la falla o desastre por al menos este período de tiempo se conservan mediante el procesamiento de recuperación. Cero es un valor válido y equivale a un requisito de "pérdida de datos cero".

A medida que las organizaciones de muchas industrias emprenden amplias iniciativas de transformación digital, las demandas de disponibilidad de su infraestructura están aumentando. El trabajo remoto y la expansión de las redes 5G hicieron 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 impulsan las aplicaciones y regulan el acceso a los datos están disponibles. A continuación se presentan algunos ejemplos de sistemas de alta disponibilidad que ayudan a las compañías modernas a prosperar: