El dilema de eso que significa contar con "alta disponibilidad" en nuestras arquitecturas de tecnología (parte 1 de 3)

Es común escuchar de nuestros clientes solicitarnos que consideremos en la propuesta a desarrollar un diseño o arquitectura tecnológica con "alta disponibilidad", con sus "redundancias" o "carrier class", al estar con ellos tomando algún requerimiento de una nueva solución o una mejora a una solución ya existente. Sin embargo, la famosa frase de "alta disponibilidad" dista mucho de ser un feature o licencia más a agregar en el desglose de números de parte o BOM (Bill of Material) de la solución a proponerles. De hecho, el término en cuestión, es en mi personal punto de vista, uno de los aspectos de los cuales se habla mucho en el entorno de tecnología en general y del que menos se conoce al respecto en toda la amplitud del tema tanto por fabricantes, como por diseñadores, arquitectos de tecnología o clientes.

Este pequeño artículo, intenta dar una breve introducción al tema y ayudar al lector a tener un entendimiento sólido de las implicaciones que se derivan de hablar de una solución tecnológica con alta disponibilidad.

Si les parece, lo mejor es iniciar distinguiendo la diferencia entre disponibilidad de la solución y redundancia.      La disponibilidad es un valor cuantitativo que nos indica la cantidad de tiempo que un elemento de red (equipo) o la red en sí misma, se encontrará funcionando de manera normal, es decir, sin falla alguna. La disponibilidad se mide regularmente de manera porcentual en cifras mayores al 95%. Ejemplos: 99.98%, 99.99%, 99.999%, etc. Entre mayor sea este valor, menos probable es que el elemento o la red se encuentren en un estado de indisponibilidad o dicho de otra manera, se cuente con una "alta disponibilidad" (HA, High Availability). La mayor disponibilidad ampliamente empleada para un elemento o la red en sí misma, son los llamados cinco 9s o 99.999%.

Estos porcentajes cercanos al 100% son los que comúnmente se utilizan para firmar acuerdos de niveles de servicio entre los proveedores de servicios y los clientes (conocidos como SLAs, Service Level Agreement).

Otro forma de expresar los valores porcentuales anteriores, es trasladarlos a cifras de tiempo anualizadas, es decir, ¿cuánto tiempo de indisponibilidad tendrá como máximo un equipo o la red en sí, que cuente por ejemplo con una disponibilidad de 99.99% o cuatro 9s? La respuesta la obtenemos calculando la cantidad de minutos año (60x24x365 = 525,960 minutos al año) y aplicando el porcentaje de indisponibilidad (100%-99.99% o 1-disponibilidad) con lo cual obtenemos que un elemento/equipo o la red en sí tendrá a lo más 52.59 minutos de indisponibilidad (downtime) al año.

Si llevamos a cabo el mismo cálculo para un elemento o red con cinco 9s o 99.999%, tenemos que no debe encontrarse más de 5 minutos indisponible (caído o downtime) en el lapso de 1 año. Resumiendo la relación entre dos o más 9s vs el tiempo máximo permisible de downtime al año, tendremos:

Disponibilidad	Downtime Máximo al Año (minutos)
99%	5259
99.9%	525
99.99%	52
99.999%	5

El método empleado para el cálculo de disponibilidad, es el conocido como método de porcentajes y es el más empleado en el ámbito de telecom, sin embargo no es único, existe un método adicional conocido como método de defectos por millón (DPM, defects per million). En este artículo nos enfocaremos al primer método únicamente.

Aclaremos ahora el concepto de “redundancia”. La redundancia de una solución, está asociada a la adición de elementos dentro de la arquitectura propuesta que nos permitan cumplir la disponibilidad solicitada u objetivo (a través de considerar elementos adicionales a los principales o los elementos mínimos para que un equipo o arquitectura opere).

Para lograr una cierta disponibilidad objetivo (solicitada), se deben tomar en cuenta todos aquellos aspectos que influyen en el cumplimiento de la misma ya que hay varias consideraciones que tomar en al menos las siguientes áreas de influencia:

·         La topología de la arquitectura a proponer.

·         La redundancia de elementos (hardware) en los dispositivos de red.

·         Los mecanismos de alta disponibilidad a habilitar en los dispositivos a proponer.

·         Los mecanismos de seguridad a implementar.

·         La definición de niveles de administración por usuario y políticas asociadas.

·         La redundancia considerada en los elementos de soporte a la red (UPS, cableado, circuitos eléctricos, etc.).

·         Las estabilidad (o ausencia de bugs) en los sistemas operativos de cada uno de los elementos de la arquitectura propuesta.

Cada uno de los aspectos anteriores, los detallaré a continuación.

La topología y su influencia en la disponibilidad de red

Empecemos primero, por analizar la topología de red asociada a las diferentes soluciones tecnológicas (LAN, WAN, DC, etc.). Para ello, nos apoyaremos de la siguiente figura (cuyos círculos llamaremos indistintamente vértices, nodos o sitios de red):

La figura anterior mejor conocida en el ámbito de redes como grafo, es una representación de nodos y sus enlaces físicos de conexión entre ellos, dicho grafo, bien puede ser la topología de una red WAN, LAN o DC de algún cliente. Desde el punto de vista de teoría de grafos, hay entre varios aspectos a considerar para una adecuada definición de una topología de red, 2 de ellos que nos interesan para el tema de "alta disponibilidad" en cuestión. El primero de ellos, es lo que se conoce como hop count, es decir, se intenta que cualquier grafo o topología de red, cuente con la menor cantidad de saltos entre cualesquiera pares de puntos o nodos de la red con la intención de contar con rutas lo más cortas posibles. Así que el primer aspecto como consultores que debemos observar en las soluciones tecnológicas a proponer a nuestros clientes, es sin duda, recomendaciones de sus diferentes topologías de red con la intención de contar con grafos lo más limpios posibles. ¿En que nos afecta contar con topologías de red complejas e ineficientes desde la perspectiva de saltos entre pares de nodos?, en que los protocolos de red sean estos de capa 2 o capa 3, tardarán un mayor tiempo en converger ante la reconstrucción de su árbol de decisión de rutas y las rutas alternas, pueden llegar a ser muy ineficientes con respecto a la ruta principal (u óptima) e inclusive provocar loops. La resolución de fallas (troubleshooting), se vuelve también compleja y muy tardada cuando se requiere.

Para el grafo anterior, por ejemplo, el hop count para el tráfico del sitio 1 al sitio 6 es de 3, mientras que para el tráfico del sitio 3 al sitio 5 es de solo 2.

El siguiente aspecto a observar en la topología de red, es el conocido como grado del grafo, es decir, la cantidad de rutas alternas o enlaces con que cuenta cada sitio o nodo de la red, para conexiones hacia la siguiente capa o el exterior (posibles rutas alternas). En nuestro grafo de ejemplo, el nodo 6 tiene grado 1, los nodos 4/5/2 tienen grado 3 y los nodos 1/3 tienen grado 2.

De lo que se trata en toda red si alcanzan a observar, es que la topología de red cuente en la medida de lo posible con la menor cantidad de saltos entre pares de nodos y la mayor redundancia (grado) posible, aunque el aspecto económico siempre debe estar presente. Así pues, una red con nodos con un mayor grado, tienden a contar con mayores alternativas de comunicación ante la falla de algunas de las trayectorias principales y con ello, impactar favorablemente la disponibilidad asociada.

¿Cuánta redundancia considerar en cada elemento o dispositivo de la red?

¿Qué aspectos de alta disponibilidad debemos cuidar en los equipos a proponer?, de acuerdo al nivel de disponibilidad objetivo, se debe considerar aprovisionar redundancia en elementos tales como fuentes de alimentación, procesadoras/supervisoras/routing engines, backplane/matriz de conmutación, tarjetas/linecards, etc. donde se conectarán las interfases hacia distintas capas o sitios de la red, hasta considerar la duplicidad en los equipos o chasis con la finalidad de que la alta disponibilidad de estos componentes logre que se cumpla la disponibilidad objetivo. Pero, ¿cuánta redundancia es necesaria entonces en cada elemento? Para responder esta pregunta, tendremos que hacer uso de las matemáticas que nos permiten calcular la disponibilidad por cada elemento individual y posteriormente modelar escenarios para obtener la disponibilidad de la red en sí misma.

La disponibilidad de un elemento individual, se calcula de la siguiente manera:

Disponibilidad elemento individual (%) = MTBF / (MTBF+MTTR)

Donde:

MTBF (Mean Time Between Failures).- Tiempo medio entre fallas del elemento analizado (en horas). Es un dato que lo provee el fabricante del hardware.

MTTR (Mean Time To Repair).- Tiempo que lleva poner en operación el elemento caído una vez que falló ( en horas). Es un dato que se determina entre el cliente y quién vaya a llevar a operar dicho elemento a través de un contrato de servicios (mantenimiento, servicio administrado, tercerizado o cloud).

Ejemplo 1: consideremos que una tarjeta procesadora/routine engine/supervisora o como la llame cada fabricante, tiene un MTBF documentado por el fabricante de 516,000 horas, y el proveedor actual del contrato de mantenimiento de dicho hardware tiene firmado contractualmente, un tiempo máximo de reparación de fallas de 4hrs. La disponibilidad de dicha tarjeta se calculará como sigue:

Disponibilidad tarjeta supervisora (%) = 516,000 / (516,000+4) = 99.9992%

Ahora bien, si hubiésemos considerado 2 tarjetas supervisoras en el equipo a colocar como parte de nuestra solución, el cálculo de alta disponibilidad al contar con elementos redundantes (también llamados elementos paralelos), se lleva a cabo de la siguiente manera:

Disponibilidad elementos paralelos (%) = 1- [(1-disponibilidad elemento 1)*(1-disponibilidad elemento 2)*(1-disponibilidad elemento 3)*…(1-disponibilidad elemento “n”)]

Ejemplo 2: consideremos la misma tarjeta del ejemplo 1, con su respectiva supervisora redundante (2 supervisoras en el equipo). La disponibilidad de este arreglo en redundancia (o alta disponibilidad), sería:

Disponibilidad supervisora principal y redundante (%) = 1-[(1-0.999992)*(1-0.999992)] = 99.999999%

Como podemos observar, mediante el cálculo de disponibilidad de elementos en paralelo o redundantes, podemos obtener nuestra Primera Conclusión: "la disponibilidad de un elemento aumenta al colocar 1 ó más elementos adicionales o en redundancia al principal".

En este punto, ya sabemos cómo llevar a cabo el cálculo de disponibilidad de elementos individuales y elementos redundantes o paralelos en un dispositivo o equipo, ¿cómo calcular la disponibilidad de todo un equipo o dispositivo?, se tienen que llevar a cabo 2 pasos sencillos:

Paso 1.- Calcular la disponibilidad de todos los elementos redundantes en el equipo (supervisoras, fuentes, linecards, backplane, etc.) conforme los ejemplos 1 y 2, cuyo resultado dará un elemento individual que será la combinación de redundancias.

Paso 2.- Calcular la disponibilidad de todos los elementos del equipo (denominados elementos en serie ya que la falla de cualquiera de ellos será tomada como falla del equipo en análisis y contará para la medición de downtime máximo por año), de la siguiente manera:

Disponibilidad de un equipo o dispositivo (%) = disponibilidad elemento 1 * disponibilidad elemento 2 *…disponibilidad elemento “n”

Ejemplo 3: ahora pensemos que vamos a calcular la disponibilidad de un switch de DataCenter, en donde cuenta con las siguientes disponibilidades ya calculadas previamente en todos sus componentes:

·         Disponibilidad procesadoras (elementos en paralelo ya que el equipo cuenta con 1 principal y 1 más redundante) = 99.99%.

·         Disponibilidad fuentes (elementos en paralelo ya que el equipo cuenta con 1 principal y 1 más redundante) = 99.999%.

·         Disponibilidad linecard de puertos GE = 99.98%.

·         Disponibilidad linecard de puertos 10GE = 99.97%.

·         Disponibilidad del chasis = 99.99%

Disponibilidad del switch de DC (%) = 0.9999*0.99999*0.9998*0.9997*0.9999 = 99.929%

Segunda Conclusión: "La disponibilidad de un equipo o escenario es afectado por la baja disponibilidad de alguno de los elementos que lo componen".

Nota.- Hay que ser muy cuidadosos al momento de obtener los datos del MTBF de cada componente ya que regularmente los fabricantes solo publican en sus sitios Web los valores para los chasis en sus hojas de datos (datasheets). Recordemos que tenemos que obtener los valores de MTBF de cada componente individual del equipo.

Ya sabiendo como calcular la disponibilidad de un dispositivo completo, el siguiente paso, sería calcular la disponibilidad de todos los componentes que formarán parte de la arquitectura tecnológica a proponer (switches, ruteadores, servidores, firewalls, IPS/IDP, puntos de acceso, teléfonos, equipos de video, etc.), llegando a una tabla resumen como la siguiente:

Dispositivo	Disponibilidad
Switch A	99.98%
Router C	99.97%
Server	99.9%
Firewall	99.96%

¿Ya sabiendo la disponibilidad de todos los componentes de la arquitectura propuesta, que más restaría?..Continuará…