Confiabilidade e operações

Este tópico troca a proteção dos dados pela continuidade do serviço. Depois de aprender quem protege o quê na nuvem, você agora aprende o que mantém um sistema no ar quando algo falha, quanto ele consegue crescer sem perder desempenho, e como se recuperar de uma falha maior do que qualquer redundância consegue absorver sozinha.

O que este tópico cobre

• alta disponibilidade e tolerância a falhas, e a diferença entre sobreviver a uma falha com uma pausa breve e sobreviver a ela sem nenhuma pausa
• escalabilidade e elasticidade, e por que um sistema que cresce não é o mesmo que um sistema que cresce e encolhe sozinho
• Recovery Time Objective e Recovery Point Objective, e as 4 estratégias de recuperação de desastres que times escolhem entre custo e velocidade de recuperação
• monitoramento com métricas, logs e alarmes, e o que SLI, SLO e SLA realmente significam e prometem

Por que isso importa

Um sistema perfeitamente seguro que cai continua sendo uma falha para o negócio que depende dele. Redundância entre zonas de disponibilidade, capacidade que se ajusta sozinha à demanda e um plano de recuperação testado são o que separa uma falha de hardware às 2h da manhã de um incidente sem gravidade de um apagão que vira manchete.

Esse vocabulário também é o que aparece com mais frequência em entrevistas de emprego na área de nuvem e no caminho de certificação para o qual este curso aponta: saber a diferença entre alta disponibilidade e tolerância a falhas, entre escalabilidade e elasticidade, e o que um SLA cobre de fato quando algo sai do ar.