Plán DR: kritické služby a body selhání

Vytváření plánu DR: Identifikace kritických služeb a bodů selhání

Plán havarijní obnovy (Disaster Recovery, DR) začíná zaměřením na koncové služby dostupné uživatelům. Cílem je minimalizovat dobu výpadku obchodních procesů, nikoli jednotlivých komponent infrastruktury. Uživatelé registrují poruchy na úrovni služeb: nedostupnost e-mailu nebo ERP systému, ne selhání disku na serveru.

Nejprve sestavte seznam kritických IT služeb. Jedná se o nástroje, bez nichž podnik ztrácí příjmy nebo efektivitu:

• E-mail
• Firemní telefonní komunikace
• Systémy pro řízení podniku (ERP, 1C)
• Platformy pro společnou práci s dokumenty
• Síťové tiskárny
• Přístup k internetovým zdrojům
• Firemní CRM a databáze

Vyloučte nekritické prvky, jako jsou herní servery – ty neovlivňují provozní činnost.

Hledání bodů selhání v infrastruktuře

Pro každou službu identifikujte všechny potenciální body selhání – infrastrukturní komponenty, jejichž porucha vede k nedostupnosti služby. Bod selhání je definován jako jednotka, kde diagnostika končí stavem „nefunguje“.

U modulárních zařízení (např. směrovačů) zohledněte jednotlivé moduly a šasi. Pokud je lokalizace a výměna možná na úrovni podkomponentů, každý z nich je samostatný bod selhání.

Příklad pro službu „E-mail“:

• Serverový OS (Linux/Windows Server)
• E-mailový software (Postfix, Exchange)
• Jádrový síťový switch
• Systémy napájení (UPS, PDU)
• Externí DNS servery
• Filtry černých seznamů (RBL)
• Klimatizace serverovny
• Datové úložiště (SAN/NAS)

Nepodceňujte „spolehlivé“ vybavení: selhání úložiště s RAID a replikací stejně vyžaduje plán obnovy.

Analýza závislostí mezi body selhání

Body selhání tvoří graf závislostí: porucha jedné spustí kaskádu v dalších. Například selhání UPS zastaví servery a při restartu hypervizoru se virtuální stroje nemusí správně spustit. Lokální switch klienta je naopak nezávislý.

Pro „E-mail“ zahrnují závislosti řetězec: napájení → servery → aplikace → síť → externí služby. Rozšiřte model na všechny kritické služby a vytvořte diagram vlivů.

Toto pochopení je klíčové pro prioritu: určuje pořadí lokalizace, RTO/RPO a rizika. V následujících částech probereme postupy obnovy a metriky.

Co je důležité

• Zaměření na uživatelské služby, ne hardware: podnik měří výpadky v minutách nedostupnosti klíčových nástrojů.
• Kompletní seznam bodů selhání bez výjimek pro „spolehlivé“ vybavení – zákon Murphyho v praxi.
• Graf závislostí odhaluje kaskádové poruchy a zjednodušuje TTR (Time To Recovery).
• Plán DR mění reaktivní akce v proaktivní s rozpočtem a SLA.
• Integrace s CMDB nebo ITSM pro automatizaci detekce.

— Editorial Team