DR Site для веб-приложения: Cold, Warm или Hot Standby

Проектируем DR-инфраструктуру для веб-приложений

Представьте: в 3 часа ночи отказывает основной регион AWS, ваш сервис недоступен, а каждый час простоя обходится в тысячи долларов. Без резервного дата-центра (DR Site) восстановление может занять часы. Мы проектируем и внедряем решения Disaster Recovery, которые минимизируют простой. За 5 лет мы реализовали более 20 проектов для e-commerce и fintech, и знаем, как обеспечить RTO от 5 минут.

Клиенты часто удивляются, что cold standby обходится всего в 10% от production (от 20 000 до 50 000 рублей в месяц для среднего проекта), но при сбое восстановление длится до 8 часов. Warm standby — золотая середина: при RTO 30–60 минут стоимость составляет 30–50% от production (от 60 000 до 150 000 рублей ежемесячно). Свяжитесь с нами — подберём оптимальный вариант под ваш бюджет и требования по RTO и RPO.

Как выбрать тип DR-готовности?

Для cold standby инфраструктура не запущена, данные реплицируются, конфигурация хранится в IaC. При сбое: поднять окружение из Terraform → восстановить данные из резервной копии → запустить приложение. RTO: 2–8 часов.

Warm standby подразумевает базовую инфраструктуру, запущенную в уменьшенном размере (1 инстанс вместо 10). Данные актуальны через репликацию. При сбое: масштабировать до production-размера → переключить DNS. RTO: 15–60 минут.

Hot standby — полная копия инфраструктуры работает постоянно, данные синхронизированы с лагом менее минуты. При сбое: переключить DNS/балансировщик. RTO: 1–5 минут.

Warm standby дешевле hot standby в 3–5 раз при RTO до 60 минут, что делает его оптимальным выбором для большинства веб-приложений.

Выбор местоположения DR Site

Ключевые требования:

• Физически независимая электросеть и интернет-каналы
• Минимум 100 км от основной площадки (защита от региональных катастроф)
• Соответствие законодательству (данные пользователей из РФ — в РФ, GDPR для Европы)

Варианты:

• Второй AWS/GCP/Azure регион (самое простое)
• Другой облачный провайдер (защита от vendor outage)
• Собственный или арендованный co-location (для regulated industries)

Почему Infrastructure as Code — основа DR Site?

Весь DR Site описывается в Terraform. Основное и резервное окружение — разные workspace или отдельные директории конфигурации, параметризованные через переменные:

module "app_cluster" {
  source        = "./modules/app"
  region        = var.region
  instance_type = var.dr_mode ? "t3.medium" : "c6i.2xlarge"
  replica_count = var.dr_mode ? 1 : 5
}

Cold standby: terraform apply только при активации DR. Warm standby: terraform apply сразу с dr_mode = true. IaC гарантирует идентичность окружений и исключает дрейф конфигурации.

Репликация данных

PostgreSQL → DR Site: Streaming replication с асинхронным standby в DR. Для критических данных — synchronous_commit = remote_apply (гарантирует, что при сбое primary данные есть на standby, но увеличивает латентность записи).

Мониторинг лага репликации:

SELECT now() - pg_last_xact_replay_timestamp() AS replication_lag;

Алерт при лаге > 30 секунд.

Файловые хранилища: S3 Cross-Region Replication (AWS) — автоматически, RPO < 15 минут; Rclone sync по расписанию — для объектов, которые редко меняются; Lsyncd для realtime синхронизации файловой системы между серверами.

Redis: Redis Sentinel с репликой в DR или Redis Cluster с geo-distribution.

Сетевая связность

Между основной площадкой и DR Site нужен выделенный канал для репликации данных: AWS VPC Peering или Transit Gateway (внутри AWS), AWS Direct Connect / GCP Interconnect (из on-premise в облако), Site-to-site VPN (бюджетный вариант, менее надёжный).

Канал репликации должен быть изолирован от пользовательского трафика — пиковая нагрузка приложения не должна влиять на репликацию.

Как обеспечить минимальный RTO?

Чтобы сократить RTO до минут, используйте hot или warm standby с автоматическим переключением DNS. Дополнительно: настройте health checks, которые запускают процедуру восстановления, и храните Terraform state в удалённом бэкенде, доступном из обоих ЦОДов.

Процедура активации DR Site

Документированный runbook с точными командами — не общими словами, а конкретными шагами:

1. Подтвердить сбой основной площадки (не ложная тревога)
2. Объявить DR-инцидент, назначить инцидент-менеджера
3. Проверить лаг репликации БД перед переключением
4. Если warm/hot: выполнить promote БД-реплики (pg_promote())
5. Обновить DNS (Route 53 / Cloudflare) на DR-адреса
6. Проверить работоспособность через DR Site
7. Уведомить команду и, при необходимости, пользователей
8. Зафиксировать время RTO

Что входит в настройку DR Site

Сроки реализации

• Анализ текущей инфраструктуры и выбор стратегии — 2–3 дня
• Настройка репликации данных — 3–7 дней
• Развёртывание DR-инфраструктуры в IaC — 5–10 дней
• Сетевая связность и безопасность — 2–5 дней
• Процедуры, runbook, тестирование — 3–5 дней

Итого: 2–5 недель в зависимости от сложности инфраструктуры и типа DR.

Ориентировочная стоимость

Стоимость рассчитывается индивидуально и зависит от выбранного типа standby, объёма данных и сложности инфраструктуры. Мы подберём оптимальный баланс между бюджетом и временем восстановления.

Закажите консультацию — оценим ваш проект и предложим решение с нужным RTO и RPO.

Disaster Recovery — это не роскошь, а необходимость для любого серьёзного сервиса.

Мы регулярно сталкиваемся с ситуацией: «Сайт не открывается» в 3 часа ночи — и выясняется, что disk full на VPS, потому что логи nginx не ротировались полгода. Или сервер лёг под нагрузкой в день запуска рекламной кампании, потому что на shared хостинге стоял лимит в 50 одновременных соединений. Настройка хостинга и деплоя — это не про «где дешевле», это про то, что происходит в момент, когда что-то идёт не так. Наша команда помогает избежать таких инцидентов, проектируя инфраструктуру с учётом реальных паттернов нагрузки.

Когда выбирать Vercel и Netlify?

Vercel создан под Next.js — деплой в один push, preview deployments для каждого PR, автоматический CDN, Edge Functions, ISR без конфигурации. Для фронтенд-проектов и JAMstack это оптимальный выбор: нет операционной нагрузки, time-to-deploy измеряется минутами.

Ограничения реальные: Vercel Serverless Functions запускаются в us-east-1 по умолчанию (latency для Европы +80–100ms), Function timeout 300 секунд на Pro, Bandwidth 1TB/месяц на Pro. Для тяжёлого backend — нужны воркеры или отдельный сервер.

Netlify ближе к статике и Edge Functions на базе Deno Deploy. Build minutes — основное ограничение на бесплатном тарифе.

Почему Docker — основа предсказуемого деплоя?

«Работает на моей машине» — классика. Docker решает это через контейнеризацию окружения. Но плохой Dockerfile создаёт новые проблемы.

Типичная ошибка: копировать всё в образ без .dockerignore, получать 800MB образ вместо 80MB. node_modules внутри образа весит столько же. Правильно: multi-stage build.

FROM node:20-alpine AS builder
WORKDIR /app
COPY package*.json ./
RUN npm ci --only=production
COPY . .
RUN npm run build

FROM node:20-alpine AS runner
WORKDIR /app
COPY --from=builder /app/.next ./.next
COPY --from=builder /app/node_modules ./node_modules
COPY --from=builder /app/package.json ./package.json
EXPOSE 3000
CMD ["npm", "start"]

Итоговый образ: 180MB вместо 1.2GB. Время сборки CI сокращается из-за layer caching — если package.json не изменился, слой с npm ci берётся из кэша.

Docker Compose для локальной разработки и простых продакшен-сценариев: приложение + PostgreSQL + Redis в одной конфигурации. Для production на одном сервере — вполне рабочий вариант, если нет требований горизонтального масштабирования.

Подробнее о контейнеризации — Wikipedia: Docker.

Как настроить Nginx как reverse proxy?

Nginx перед приложением — стандарт для VPS и выделенных серверов. Основные функции: SSL termination, gzip, static files, rate limiting, upstream балансировка.

Конфигурация, которую часто делают неправильно: worker_processes auto — количество процессов равно числу CPU. worker_connections 1024 — это 1024 на каждый воркер-процесс. При 4 CPU и 1024 connections = 4096 одновременных соединений. Для высоконагруженного сайта нужно worker_connections 4096 и настройка keepalive_timeout 65.

Для статических ассетов с хешем в имени файла:

location ~* \.(js|css|woff2|png|webp)$ {
    expires 1y;
    add_header Cache-Control "public, immutable";
}

immutable сообщает браузеру: не проверяй этот файл даже при hard refresh. Правильно работает только с content-hashed именами файлов (что делает Vite/webpack по умолчанию). Документация — Wikipedia: Nginx.

AWS: гибкость и сложность

EC2 + Auto Scaling Group — классика для горизонтального масштабирования. AMI с предустановленным приложением, Launch Template, ASG с min/desired/max instances, Application Load Balancer. При CPU > 70% на 3 минуты — scale out, при CPU < 30% на 15 минут — scale in. Health check через ALB исключает нездоровые инстансы из ротации.

ECS Fargate — контейнеры без управления EC2. Деплой Docker-образа, задаёте CPU/память (512 CPU units = 0.5 vCPU, от 512MB памяти), Fargate запускает. Дороже Lambda, но нет cold start и нет timeout-ограничений. Подходит для long-running процессов, WebSocket-серверов, тяжёлых воркеров.

RDS для PostgreSQL с Multi-AZ: автоматический failover за 1–2 минуты при падении primary. Read Replicas для масштабирования чтения. RDS Proxy для connection pooling — Lambda-функции не умеют держать долгосрочные соединения, прокси буферизует это.

Kubernetes: когда это оправдано

K8s добавляет значительную операционную сложность. Оправдан, когда: несколько команд деплоят независимые сервисы, нужна тонкая настройка ресурсов на сервис, canary deployments и blue/green без простоя — требование.

AWS EKS, GKE или managed k8s от Hetzner (дешевле). Helm charts для стандартных сервисов. Horizontal Pod Autoscaler по CPU и custom metrics (RPS через Prometheus).

Для большинства стартапов и средних проектов — Kubernetes избыточен. ECS или Fly.io дают 80% возможностей при 20% операционной сложности.

Мониторинг и alerting

Сервер без мониторинга — это ожидание инцидента. Минимальный стек: Prometheus + Grafana (или Grafana Cloud для managed), alerting на disk > 80%, memory > 85%, CPU > 90% за 5 минут, error rate > 1%. Uptime через Better Uptime или Upptime (self-hosted).

Logs: Loki + Grafana или CloudWatch Logs Insights. Структурированные JSON-логи (winston, pino) — обязательно, иначе поиск по логам превращается в боль.

Что входит в настройку хостинга

• Аудит текущей инфраструктуры и профилирование нагрузки
• Выбор целевой архитектуры (VPS, AWS, serverless, Kubernetes)
• Настройка CI/CD pipeline (GitHub Actions, GitLab CI) с автоматическим деплоем
• IaC через Terraform или Pulumi (инфраструктура как код)
• Конфигурация Nginx, SSL-сертификаты, HTTP/2, brotli
• Мониторинг и алертинг (Prometheus + Grafana, PagerDuty)
• Документация runbooks и обучение команды

Дополнительно: пишите, если нужна миграция с текущего хостинга или интеграция с внешними сервисами.

Процесс работы

1. Аудит текущей инфраструктуры (2–5 дней)
2. Выбор целевой архитектуры с обоснованием по нагрузке и бюджету (1–3 дня)
3. Настройка CI/CD pipeline (GitHub Actions, GitLab CI) (2–5 дней)
4. IaC через Terraform или Pulumi (3–10 дней)
5. Настройка мониторинга и alerting (2–5 дней)
6. Документация runbooks и обучение команды (1–3 дня)

Наш опыт — 7 лет на рынке, более 50 проектов, гарантия работоспособности после деплоя.

Сроки

• Базовый деплой на VPS с Docker + Nginx + CI/CD: 1–2 недели.
• Настройка AWS инфраструктуры с Auto Scaling, RDS, CDN: 3–6 недель.
• Миграция на EKS с нуля: 6–12 недель.
• Настройка Vercel/Netlify для JAMstack: 3–5 дней.

Стоимость рассчитывается индивидуально в зависимости от сложности и объёма работ. Получите консультацию — оценим вашу архитектуру за один день.