Incorporando fiabilidad y durabilidad en Datto
Cuando vendí mi segunda startup (una empresa de software de almacenamiento centrada en ZFS) a Oracle en 2014, me senté a tomar un café con el vicepresidente ejecutivo de Oracle que dirigía la división de sistemas (la antigua Sun Microsystems). Él compartió la siguiente opinión: «Hay dos tecnologías que es imposible perfeccionar por completo: las CPU y el almacenamiento». Creo que, desde cierta perspectiva, tenía razón. ¿Por qué? Bueno, en pocas palabras, a medida que se reduce el tamaño del proceso de la CPU o se amplían los dispositivos de almacenamiento, las leyes de la física cuántica —que rigen el funcionamiento del hardware— comienzan a introducir errores.
En las CPU, pueden producirse efectos de túnel cuántico que provoquen fallos en las puertas lógicas y, en el almacenamiento, se producen UBER (tasas de error de bits incorregibles). En el caso de los dispositivos de almacenamiento en sí, el UBER (aproximadamente 1×10-15) se ha mantenido constante incluso a medida que las capacidades han aumentado en órdenes de magnitud. En resumen, la pérdida de datos es una certeza si se dispone de tiempo suficiente; la clave, por supuesto, es diseñar sistemas que gestionen activamente los dispositivos de almacenamiento de modo que el MTTDL (tiempo medio hasta la pérdida de datos) sea mayor que la vida útil de los datos.
En Datto gestionamos activamente el almacenamiento para que la durabilidad de los datos (piensa en esto como el inverso del MTTDL) o la probabilidad de pérdida de datos anual se mida en nueves (cuantos más nueves, mejor). En Datto, buscamos alcanzar (dependiendo de la aplicación) entre 6 y 11 nueves de durabilidad de datos en la nube y alrededor de 5 nueves en el borde (la flota de dispositivos Siris). Sin entrar en detalles matemáticos, esperamos que la durabilidad de los datos supere la mayoría de las políticas de retención racionales.
Podemos comprobarlo retrospectivamente, y no hemos tenido ningún incidente conocido de pérdida irrecuperable de datos debido a fallas del sistema en la nube (aproximadamente 1,6 EB) en los últimos 24 meses.
Pero esto es solo la mitad de la historia. Los datos no sirven de nada si no puedes acceder a ellos. La segunda consideración en nuestra arquitectura en la nube es la disponibilidad. A veces nos referimos a esto internamente como “radio de impacto”. Diseñamos nuestra infraestructura crítica para que no tenga puntos únicos de falla, pero pueden ocurrir fallas múltiples, y de hecho ocurren. Cuando esto ocurre, un sistema bien diseñado contará con un modo de falla que limite la interrupción del servicio a un nivel predefinido. En el caso de BCDR, una falla total de un nodo en la nube interrumpiría el acceso a la nube para aproximadamente el 0,026 % de los agentes de BCDR. Por supuesto, esto no incluye la flota perimetral, que proporciona la réplica principal para las operaciones típicas de continuidad.
En Datto, tenemos un dicho: «Hacer copias de seguridad es fácil, restaurarlas es difícil». Las operaciones en la nube y el almacenamiento en la nube forman parte de nuestro ADN y, como siempre, estamos comprometidos con la mejora continua para nuestros socios y sus clientes.
