Bouwen aan betrouwbaarheid en duurzaamheid bij Datto
Toen ik mijn tweede startup (een ZFS-centrisch opslagsoftwarebedrijf) in 2014 aan Oracle verkocht, ging ik koffie drinken met de EVP van Oracle die de systeemdivisie leidde (het vroegere Sun Microsystems). Hij deelde de volgende mening: "Er zijn twee technologieën die onmogelijk perfect correct te krijgen zijn: CPU's en Opslag". Ik geloof dat hij vanuit een bepaald perspectief gelijk had. Waarom? Simpel gezegd, als je de CPU-processen verkleint of de opslagapparaten vergroot, beginnen de wetten van de kwantumfysica, die bepalen hoe de hardware werkt, fouten te introduceren.
Bij CPU's kun je kwantumtunnelingseffecten krijgen waardoor de logische poorten falen en bij opslag krijg je UBER (uncorrectable bit error rates). In het geval van opslagapparaten zelf is de UBER (ongeveer 1×10-15) constant gebleven, zelfs terwijl de capaciteit met ordes van grootte is toegenomen. De sleutel is natuurlijk om systemen te ontwerpen die de opslagapparaten actief beheren zodat de MTTDL (gemiddelde tijd tot gegevensverlies) groter is dan de nuttige levensduur van de gegevens.
Bij Datto beheren we opslag actief zodat de duurzaamheid van de gegevens (zie dit als het omgekeerde van MTTDL) of de waarschijnlijkheid van gegevensverlies per jaar, wordt gemeten in 9's (meer 9's is beter). Bij Datto streven we ernaar om (afhankelijk van de toepassing) tussen 6 en 11 9's aan dataduurzaamheid te bereiken in de cloud en ongeveer 5 9's aan de rand (de Siris-apparaten). Zonder al te diep in de wiskunde te duiken, verwachten we dat de duurzaamheid van gegevens de meeste rationele retentiebeleidsregels zal overtreffen.
We kunnen dit back-testen en hebben geen bekende incidenten gehad van onherstelbaar gegevensverlies door systeemstoringen in de cloud (ongeveer 1,6EB) in de afgelopen 24 maanden.
Maar dit is slechts de helft van het verhaal. Gegevens zijn nutteloos als je er geen toegang toe hebt. Het tweede aandachtspunt in onze cloudarchitectuur is beschikbaarheid. Intern noemen we dit soms de ‘blast radius’. We ontwerpen onze kritieke infrastructuur zo dat er geen enkele storingsbron is – maar meerdere storingen kunnen zich voordoen, en dat gebeurt ook. Wanneer dat gebeurt, beschikt een goed ontworpen systeem over een storingsmodus die de onderbreking van de dienstverlening beperkt tot een vooraf bepaald niveau. In het geval van BCDR zou een totale uitval van een cloudknooppunt de cloudtoegang voor ongeveer 0,026% van de BCDR-agenten onderbreken. Dit geldt uiteraard niet voor de edge-vloot, die de primaire replica levert voor standaard continuïteitsoperaties.
Bij Datto hebben we een gezegde: "Backup is makkelijk, restore is moeilijk". Cloudactiviteiten en cloudstorage zitten in ons DNA en we zijn, zoals altijd, toegewijd aan voortdurende verbetering voor onze partners en hun klanten.
