Cloud-Native & SRE · Maps 04–13Cloud-Native и SRE · мапы 04–13
devops track →
Карта 11: Архитектура и System Design для DevOps / SRE собеседований
На позициях Middle+ и Senior часто дают задачу: *«Спроектируй инфраструктуру для высоконагруженного сервиса (10 000 RPS), которая переживет падение дата-центра и выдержит распродажу Черной Пятницы»*.
1. Путь трафика от пользователя до базы данных (Edge to Core)
- DNS и Глобальная маршрутизация:
- GeoDNS / Anycast (Cloudflare, AWS Route53): отдает IP ближайшего к пользователю пограничного узла (PoP) и проверяет Health Checks регионов.
- CDN и WAF (Edge Layer):
- Статика (
js,css, картинки, видео) отдается напрямую с Edge-серверов CDN (Cache Hit Ratio > 95%), не доходя до наших серверов. - На уровне WAF режутся L7 DDoS-атаки, боты и SQLi/XSS-запросы.
- Внешняя балансировка (L4 -> L7):
- L4 Load Balancer (NLB / IPVS / Cilium L4LB): принимает TCP/UDP соединения и распределяет их по узлам L7-ингрессов.
- L7 Load Balancer / API Gateway (Envoy Gateway / Nginx / Kong): терминирует TLS, проверяет JWT-токены, применяет Rate Limiting по IP/User-ID и маршрутизирует запросы в нужные микросервисы внутри Kubernetes.
- Вычислительный слой (Stateless Compute в K8s):
- Микросервисы развернуты минимум в 3 зонах доступности (Multi-AZ) через
topologySpreadConstraints. - Масштабирование подов через HPA / KEDA (по RPS или длине очереди), масштабирование нод через Karpenter (Spot + On-Demand).
- Слой кэширования и асинхронности:
- Кэш чтения (Redis Cluster): защищает БД от повторяющихся тяжелых SELECT-запросов (паттерн Cache-Aside).
- Очереди сообщений (Kafka / RabbitMQ): сглаживают пики записи (Spikes). Например, при оформлении заказа API сразу кладет событие в Kafka и отвечает клиенту
202 Accepted, а воркеры записывают заказы в БД со стабильной скоростью.
- Слой хранения данных (Stateful Storage):
- PostgreSQL (CloudNativePG / Patroni): 1 Primary (запись) + 2 Sync/Async Standby реплики в разных AZ (чтение) + пулер соединений PgBouncer перед ними.
2. Disaster Recovery (DR): RTO vs RPO
При проектировании бэкапов и мульти-региональности всегда отталкивайся от двух метрик бизнеса:
- RPO (Recovery Point Objective): *Сколько данных бизнес готов потерять в случае взрыва дата-центра?* (В единицах времени: например, RPO = 0 секунд означает синхронную репликацию между дата-центрами; RPO = 5 минут позволяет стримить WAL-архивы в S3 каждые 5 минут).
- RTO (Recovery Time Objective): *Как долго сервис может лежать, пока мы поднимаем резерв?* (Например, RTO = 2 минуты требует автоматического фейловера Patroni/Consul; RTO = 4 часа позволяет развернуть инфраструктуру с нуля через Terraform и накатить бэкап из S3).
| Стратегия DR | Описание | RTO | RPO | Стоимость |
|---|---|---|---|---|
| Backup & Restore | Бэкапы лежат в S3 другом регионе. При аварии поднимаем инфру через Terraform. | Часы | Минуты/Часы | $ (Минимальная) |
| Pilot Light | В резервном регионе уже крутится реплика БД, но вычислительные ноды выключены (скейлятся при аварии). | 10–20 минут | Секунды | $$ (Средняя) |
| Warm Standby | В резервном регионе работает уменьшенная копия всего стека. | 1–5 минут | Секунды | $$$ (Высокая) |
| Multi-Region Active-Active | Трафик обслуживается обоими регионами одновременно. | ~0 секунд | ~0 секунд | $$$$ (Максимальная) |