چالش: عبور از محدودیتهای زیرساخت فیزیکی
سایت و سرویسهای آنلاین شرکت توزیع نیروی برق تهران بزرگ بخشی از مسیر دسترسی شهروندان به اطلاعات و خدمات مرتبط با برق هستند. در چنین سامانهای، اختلال حتی برای مدتی کوتاه میتواند همزمان تعداد زیادی از کاربران را تحت تأثیر قرار دهد و حجم قابلتوجهی از نارضایتی و درخواستهای پشتیبانی ایجاد کند.
زیرساخت اولیه روی سرورهای فیزیکی داخل سازمان مستقر بود. امکان افزایش سریع ظرفیت متناسب با تغییرات ترافیک محدود بود، معماری مناسبی برای تداوم سرویس هنگام خرابی اجزای اصلی وجود نداشت و نگهداری یک سامانهی حساس و پرترافیک نیز به پایش مستمر و یک تیم متخصص عملیات زیرساخت نیاز داشت.
هدف صرفن انتقال سرورها به ابر نبود. زیرساخت باید بهگونهای بازطراحی میشد که در برابر خرابی مقاوم باشد، در زمان افزایش ناگهانی مراجعهکنندگان ظرفیت کافی داشته باشد و همزمان الزامات امنیتی سختگیرانهی این مجموعه را رعایت کند.
چندین برابرشدن ترافیک هنگام اعلام برنامهی قطعی برق
یکی از جدیترین آزمونهای زیرساخت زمانی رخ میداد که برنامهی قطعی برق اعلام میشد. در این بازهها، تعداد زیادی از شهروندان تقریبن همزمان برای بررسی برنامهی منطقهی خود به سایت مراجعه میکردند و ترافیک سامانه در مدت کوتاهی به چندین برابر شرایط عادی میرسید.
در یکی از این موجهای اولیه، افزایش ناگهانی بار به قطعی سرویس منجر شد. تیم دراپ تمپو پس از بررسی رخداد، الگوی مصرف منابع، مسیر ورود ترافیک و رفتار سامانه در نقطهی اوج را بازبینی کرد. ظرفیتها و تنظیمات زیرساخت اصلاح شدند و پایش شاخصهای کلیدی با حساسیت بیشتری ادامه پیدا کرد.
پس از این تغییرات، قطعی ناشی از جهش ترافیک در رخدادهای مشابه تکرار نشد و زیرساخت توانست پیکهای بعدی اعلام برنامهی قطعی برق را مدیریت کند.
معماری Active–Passive و مهاجرت کنترلشده به ابر
دراپ تمپو زیرساختی با دسترسپذیری بالا طراحی و پیادهسازی کرد که در آن یک محیط ثانویه برای تداوم سرویس در شرایط بحرانی در نظر گرفته شده است. دادهها نیز میان اجزای مربوط تکثیر میشوند تا در صورت بروز اختلال جدی، امکان بازیابی و ادامهی خدمترسانی وجود داشته باشد.
انتخاب معماری Active–Passive با درنظرگرفتن حساسیت سرویس، الزامات امنیتی و ملاحظات عملیاتی پروژه انجام شد. مهاجرت نیز تنها جابهجایی چند ماشین از یک محیط به محیط دیگر نبود؛ ساختار استقرار، ظرفیت منابع، وابستگی سرویسها و مدل نگهداری متناسب با محیط ابری بازطراحی شدند.
بهدلیل ماهیت حساس سامانه، جزئیات توپولوژی، سازوکار جابهجایی، محل استقرار و تنظیمات امنیتی این معماری عمومی نشدهاند.
پایش از دید کاربر، امنیت لبه و مدیریت ظرفیت
علاوه بر پایش وضعیت منابع و اجزای زیرساخت، دسترسپذیری Endpointهای سایت اصلی و APIها بهصورت مستمر بررسی میشود. این رویکرد وضعیت واقعی سرویس از دید کاربر را نشان میدهد و کمک میکند اختلالهای احتمالی پیش از تبدیلشدن به یک مسئلهی گسترده شناسایی شوند.
CDN برای مدیریت بهتر ترافیک ورودی، کاهش فشار روی سرورهای اصلی و پاسخگویی پایدارتر در زمان پیک بهینه شد. در کنار آن، WAF و کنترلهای امنیتی لبه متناسب با الگوی ترافیک سامانه تنظیم شدند تا امنیت سرویس بدون ایجاد اختلال غیرضروری برای کاربران حفظ شود.
رفتار منابع در شرایط عادی و زمانهای اوج نیز بهصورت مستمر بررسی شد. بر اساس دادههای مانیتورینگ، تخصیص منابع و تنظیمات سرویسها بهینه شدند تا زیرساخت بتواند افزایش ناگهانی تقاضا را بدون افت جدی کیفیت پاسخگویی مدیریت کند.
نتایج قابلاندازهگیری
- بیش از ۹۹٫۹۸٪ دسترسپذیری سایت اصلی و APIها در یک سال گذشته
- احتساب بازههای نگهداری برنامهریزیشده در اندازهگیری دسترسپذیری
- مدیریت پیکهای چندبرابری ترافیک بدون تکرار قطعی ناشی از افزایش ناگهانی بار
- کاهش ریسک خرابی تکنقطهای با معماری HA و تکثیر داده
- ایجاد پایش مستمر از دید کاربر برای سایت و APIها
- بهینهسازی CDN، WAF و منابع زیرساخت متناسب با الگوی واقعی ترافیک
این نتایج نشان میدهند تداوم سرویس تنها محصول انتقال به ابر نیست؛ معماری درست، پایش مستمر، امنیت چندلایه، مدیریت ظرفیت و مسئولیتپذیری عملیاتی باید در کنار یکدیگر قرار بگیرند.
همکاری بلندمدتی که از سال ۱۳۹۹ ادامه دارد
همکاری دراپ تمپو با پایان مهاجرت و راهاندازی زیرساخت تمام نشد. پایش، بهینهسازی، نگهداری و پشتیبانی عملیاتی از سال ۱۳۹۹ تاکنون ادامه داشته و زیرساخت همزمان با تغییر نیازها و الگوی ترافیک تکامل پیدا کرده است.
این تداوم همکاری باعث شده تیمی که معماری را طراحی و مسیر مهاجرت را اجرا کرده است، همچنان شناخت عملیاتی خود را حفظ کند و مسئول بهبود مستمر پایداری، ظرفیت و آمادگی زیرساخت باقی بماند.
برای یک سامانهی عمومی حساس، زیرساخت مطمئن نتیجهی یک پروژهی مقطعی نیست؛ نتیجهی مالکیت عملیاتی، تصمیمهای سنجیده و بهبود مداوم است.
آیا زیرساخت شما برای لحظههای اوج آماده است؟
اگر سرویس شما در زمان افزایش ناگهانی ترافیک، خرابی یک جزء یا رخدادهای پیشبینینشده با ریسک اختلال روبهروست، دراپ تمپو میتواند معماری، ظرفیت و آمادگی عملیاتی آن را بررسی کند و مسیر رسیدن به یک زیرساخت امن و قابلاتکا را طراحی و اجرا کند.
با تیم دراپ تمپو برای بررسی معماری و قابلیت اطمینان زیرساخت خود گفتوگو کنید.