PostgreSQL RTO и RPO: настройка отказоустойчивости с Patroni

Отметим: когда сервис лежит час, а recovery занимает сутки — это катастрофа. Платёжный шлюз, обрабатывающий 10 000 транзакций в минуту, при простое в 30 минут теряет не только выручку, но и доверие клиентов. Средняя стоимость часа простоя для e-commerce — более 1 000 000 рублей. RTO (Recovery Time Objective) и RPO (Recovery Point Objective) — параметры, которые определяют, как быстро вы встанете после сбоя и сколько данных потеряете. Мы настраиваем инфраструктуру PostgreSQL так, чтобы эти метрики соответствовали бизнес-требованиям: от cold standby до multi-region active-active. Наши инженеры имеют более 10 лет опыта в PostgreSQL и более 50 успешных проектов по внедрению отказоустойчивых кластеров.

Какие проблемы решаем

• Неопределённые SLA. Без формальных RTO/RPO вы не можете гарантировать клиентам время восстановления. Штрафы по договорам растут, а репутация страдает.
• Ручное восстановление. При сбое администратор вручную поднимает реплику — это часы простоя. Автоматический failover сокращает RTO до секунд.
• Потеря данных. Редкие бэкапы (раз в сутки) означают RPO = 24 часа. При сбое вы теряете дневные транзакции. WAL-архивирование каждые 5 минут снижает RPO до 5 минут.
• Избыточные затраты. Погоня за нулевым RTO без анализа бизнеса приводит к переплате. Мы помогаем найти баланс стоимость/надёжность.

Как определить RTO и RPO для вашего бизнеса?

Первый шаг — оценка стоимости простоя. Используем простой калькулятор:

class RtoCalculator:
    def calculate_downtime_cost(self, hourly_revenue, churn_per_hour, penalty, clv, customers):
        costs = {
            'lost_revenue': hourly_revenue,
            'churn': (churn_per_hour/100)*customers*clv,
            'sla_penalties': penalty,
            'labor': 500
        }
        total = sum(costs.values())
        if total > 100000: return '< 5 min (active-active)'
        elif total > 10000: return '< 15 min (hot standby)'
        else: return '< 1 h (warm standby)'

Почему Patroni — лучший выбор для PostgreSQL?

Patroni с etcd обеспечивает failover за 30 секунд — в 10 раз быстрее ручного восстановления. Он управляет конфигурацией, автоматически переключает трафик и не теряет данные при правильной настройке синхронной репликации. Это стандарт для High Availability в PostgreSQL.

Как мы это делаем

Кейс: Корпоративная CRM на PostgreSQL 15. Требовались RTO < 30 минут и RPO < 5 минут. Развернули Patroni на трёх нодах, pgBackRest для WAL-архивирования в S3, HAProxy для маршрутизации. После тестового сбоя (kill primary) failover занял 18 секунд, потеря данных — 0 (синхронная репликация). Документация по восстановлению была передана команде.

# postgresql.conf
wal_level = replica
archive_mode = on
archive_command = 'pgbackrest --stanza=main archive-push %p'
checkpoint_timeout = 5min
max_wal_senders = 10
wal_keep_size = 1GB

# pgbackrest.conf
[global]
repo1-type=s3
repo1-s3-bucket=myapp-wal-archive
repo1-retention-full=4
repo1-retention-diff=14

[main]
pg1-path=/var/lib/postgresql/data

Patroni: автоматический failover (RTO < 30 сек)

# patroni.yml
scope: postgres-cluster
name: pg-node-1
restapi:
  listen: 0.0.0.0:8008
etcd3:
  hosts: etcd1:2379,etcd2:2379,etcd3:2379
bootstrap:
  dcs:
    ttl: 30
    loop_wait: 10
    max_lag_on_failover: 1048576
postgresql:
  parameters:
    wal_level: replica
    hot_standby: on
    archive_command: 'pgbackrest --stanza=main archive-push %p'

HAProxy: маршрутизация с учётом роли

frontend postgres_write
  bind *:5432
  default_backend postgres_primary
backend postgres_primary
  option httpchk GET /master
  server pg-node-1 check port 8008

frontend postgres_read
  bind *:5433
  default_backend postgres_replicas
backend postgres_replicas
  balance roundrobin
  option httpchk GET /replica
  server pg-node-1 check port 8008

Как мониторить RTO/RPO?

Мониторинг — ключ к соблюдению SLA. В таблице приведены метрики, которые нужно отслеживать:

Настраиваем Prometheus + alertmanager. При нарушении RPO дежурная команда получает уведомление. Это позволяет реагировать до того, как сбой повлияет на бизнес.

Что делать при нарушении RPO?

Типичные ошибки при проектировании отказоустойчивости:

• Отсутствие тестов failover. Мы проводим хаос-инжиниринг: симулируем отказ ноды, сети, диска. Только так можно подтвердить реальные RTO/RPO.
• Игнорирование задержек репликации. При синхронном режиме latency между дата-центрами не должна превышать 10 мс.
• Неправильная ротация бэкапов. pgBackRest с retention (full/diff) гарантирует, что старые бэкапы не перезаписываются. Восстановление на любую точку во времени.

Мы составляем чек-лист для дежурных: действия при сбое, порядок promotion, контакты вендора.

Процесс работы

1. Аудит — инвентаризация текущей инфраструктуры, нагрузка, бюджет.
2. Расчёт — определяем целевые RTO/RPO вместе с вами.
3. Проектирование — выбираем архитектуру (Patroni + etcd, pgBackRest, HAProxy).
4. Реализация — развёртывание, конфигурация, тестирование failover.
5. Тест — симулируем сбои, измеряем реальные RTO/RPO.
6. Документация и обучение — runbook по инцидентам, обучение дежурных.

Что входит в настройку под ключ

• Настройка Patroni с etcd/Consul для автоматического failover
• pgBackRest — full/differential backup, WAL-архивирование в S3 или локальное хранилище
• HAProxy — интеллектуальная маршрутизация (write/read split)
• Мониторинг — Prometheus экспортер для lag, алерты при нарушении RPO
• Документация — план восстановления, конфиги, проверочные листы
• Обучение — 2 часа workshop для вашей команды

Сроки и гарантии

Настройка под ключ для типового кластера (3 ноды) занимает 3–5 рабочих дней. Результат — достижение целевых RTO/RPO, подтверждённое нагрузочным тестированием. Мы сертифицированные инженеры с более чем 10 годами опыта в PostgreSQL. Гарантируем SLA на время восстановления.

Экономия от внедрения автоматического failover может составлять от 100 000 до 500 000 рублей в месяц за счёт предотвращения простоев. Свяжитесь с нами для расчёта вашего случая. Закажите консультацию — мы подберём оптимальную архитектуру под ваш бюджет и требования.

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.