Recuperação de desastres com snapshots de ambiente

Cloud Composer 1 | Cloud Composer 2 | Cloud Composer 3

Nesta página, descrevemos como usar snapshots de ambiente para recuperação de desastres.

Definições

Este guia usa as seguintes definições:

  • Desastres é um evento em que o Cloud Composer ou outros componentes essenciais para a operação do ambiente ficam indisponíveis. Esse evento requer um failover para uma região e ambientes do Cloud Composer diferentes. A causa de um desastre pode ser natural ou feita por humanos, incluindo inatividade de regiões do Google Cloud e interrupções na sua própria infraestrutura.
  • Recuperação de desastres (DR, na sigla em inglês), no contexto do Cloud Composer, é o processo de restauração da operação do ambiente após um desastre. O processo envolve a recriação do ambiente, possivelmente em outra região. Para mais informações sobre a recuperação de desastres, consulte o guia de planejamento de recuperação de desastres.
  • Ambiente principal é um ambiente do Cloud Composer em que você quer ativar um recurso de DR.
  • O ambiente de failover é um ambiente do Cloud Composer designado para assumir as atividades do ambiente principal.
  • O cenário de DR morna é uma variante da recuperação de desastres, em que é usado um ambiente de failover em espera, criado antes da ocorrência de um desastre.
  • O cenário de DR frio é uma variante da recuperação de desastres, em que você cria um ambiente de failover após a ocorrência de um desastre.
  • A DR entre regiões é uma variante da recuperação de desastres com estado salvo ou frio, em que os ambientes primário e de failover estão localizados em regiões diferentes.

Sobre o procedimento de recuperação de desastres

O procedimento de recuperação de desastres resolve o problema quando o ambiente principal fica inoperante (corrompido ou inacessível) devido a um desastre.

Para este procedimento, é necessário que o ambiente principal não seja corrigido no local para solucionar o desastre. Em vez disso, você cria um segundo ambiente (failover) lado a lado. Esse ambiente opera em vez do ambiente principal. Posteriormente, é possível voltar para o ambiente principal ou continuar usando o ambiente de failover.

Como o procedimento usa um ambiente de failover, as alterações serão introduzidas quando você sair do ambiente principal. Estas são algumas das alterações entre o ambiente primário e o de failover:

  • O URL do servidor da Web será diferente. Isso altera o endereço da interface do Airflow e o endpoint de API REST do Airflow.

  • O URL do bucket do ambiente será diferente.

  • A configuração das permissões de acesso e rede pode precisar de ajustes.

Se você usa o cenário de DR quente, já conhece os valores do servidor da Web, os endereços dos buckets do ambiente e a configuração de rede.

Antes de começar

  • O Cloud Composer é compatível com snapshots programados nas versões 2.0.32 e posteriores. Os snapshots do ambiente são compatíveis com as versões 2.0.9 e posteriores.

Visão geral da preparação

Os dois cenários de DR incluem as seguintes etapas de preparação:

  1. Crie um ambiente de failover.

    • No cenário de DR quente, esse ambiente é mantido disponível.
    • No cenário de DR frio, você cria esse ambiente apenas para testar o procedimento de recuperação de desastres. Depois de concluir a preparação, exclua esse ambiente e crie-o novamente após um desastre.

  2. Criar um bucket para snapshots.

    • O bucket precisa estar disponível na região de DR. Para DR entre regiões, o bucket de snapshots precisa ser multirregional ou estar localizado em uma região diferente do ambiente principal.

    • Verifique se os DAGs podem acessar recursos regionais.

  3. Configure a manutenção do banco de dados.

  4. Configure snapshots programados.

  5. Teste o procedimento de recuperação de desastres.

Visão geral da recuperação de desastres

Após um desastre:

  1. (Apenas DR frio) Crie um ambiente de failover.
  2. Se possível, interrompa o ambiente principal de executar DAGs.
  3. Carregue um snapshot do bucket de snapshots no ambiente de failover.
  4. Se necessário, ajuste a configuração do ambiente de failover.
  5. Decida o que fazer com o ambiente principal.

Etapas de preparação

Siga as etapas abaixo para configurar a recuperação de desastres no seu ambiente.

Criar um ambiente de failover

Crie um ambiente que funcione como um ambiente de failover.

Siga estas diretrizes:

  • Os ambientes principal e de failover precisam usar a mesma versão do Cloud Composer e do Airflow.

  • No cenário de DR com estado salvo, atualize e faça upgrade dos dois ambientes em sincronia. Por exemplo, se você fizer upgrade do ambiente principal para uma versão posterior do Cloud Composer ou instalar pacotes PyPI, o ambiente de failover também precisará ter essas alterações.

  • Recomendamos a criação do ambiente de failover em uma região diferente do ambiente principal. Como resultado, uma variedade mais ampla de cenários de desastres possíveis pode ser coberta, como um desastre que afete a disponibilidade de toda a região.

  • Recomendamos usar o Terraform para criar os ambientes primário e de failover, para que ambos tenham configuração consistente. Confira se as definições do Terraform para os ambientes primário e de failover estão sincronizadas.

  • A configuração do ambiente de failover (como tamanho do ambiente, número de programadores e permissões do IAM) é recomendada para estar em conformidade com a configuração do ambiente principal. As permissões do IAM para ambos os ambientes precisam conceder acesso adequado a usuários e snapshots.

Verificar a disponibilidade de recursos

Os DAGs podem operar em recursos externos, e o acesso a eles pode depender da configuração do ambiente, como permissões concedidas à conta de serviço, configuração de rede ou projeto do ambiente. Verifique se esses recursos estão disponíveis no ambiente de failover.

Um ambiente pode interagir com alguns recursos externos por meio de conexões armazenadas no Airflow. Verifique se esses recursos precisam ser ajustados no ambiente de failover em comparação com o ambiente principal.

Criar um bucket de armazenamento para snapshots

Crie um novo bucket de armazenamento para os snapshots do ambiente. Não use buckets de ambiente para recuperação de desastres, já que a configuração da política de retenção e do ciclo de vida é aplicada no nível do bucket.

Verifique se o bucket de armazenamento tem permissões do IAM, uma política de retenção e uma configuração de ciclo de vida definida de modo a impedir a exclusão acidental ou o acesso não autorizado. Para mais informações sobre como configurar um bucket para snapshots, consulte Como configurar snapshots programados.

É possível:

  • Crie um bucket em uma região diferente.
  • Criar um bucket multirregional.

Configurar a manutenção do banco de dados

Execute o DAG de manutenção do banco de dados para manter o banco de dados de metadados do Airflow pequeno. Isso agiliza o processo de salvar e carregar snapshots. O banco de dados de metadados do Airflow precisa ter menos de 20 GB de dados para aceitar snapshots.

Configurar snapshots programados

Configure snapshots programados do ambiente principal.

Os snapshots só podem ser criados em um ambiente íntegro, por isso precisam ser salvos antes que o desastre ocorra.

Para mais informações sobre como os snapshots funcionam, consulte Salvar e carregar snapshots de ambiente. Consulte a seção Salvar um snapshot de ambiente da documentação para saber onde encontrar os snapshots salvos.

(Opcional) Configurar o monitoramento para operações de snapshot programados

Para snapshots programados com uma frequência de pelo menos uma vez a cada 12 horas, é possível usar o Cloud Monitoring para alertar quando um snapshot não for criado automaticamente.

Para programações de frequência mais baixa, use a Google Cloud CLI para verificar os resultados das operações de snapshots. Consulte Verificar operações para salvar snapshots.

  1. No Console do Google Cloud, acesse a página Monitoring.

    Acessar Monitoring

  2. No painel de navegação do Monitoring, selecione  Alertas:
  3. Se você não tiver criado seus canais de notificação e quiser receber uma notificação, clique em Editar canais de notificação e adicione-os. Volte para a página Alertas depois de adicionar seus canais.
  4. Na página Alertas, clique em Criar política.
  5. Para selecionar a métrica, expanda o menu Selecionar uma métrica e faça isto:
    1. Para limitar o menu a entradas relevantes, insira Composer Snapshot na barra de filtro. Se não houver resultados depois de filtrar o menu, desative a opção Mostrar somente recursos e métricas ativos.
    2. Em Tipo de recurso, selecione Ambiente do Cloud Composer.
    3. Em Categoria de métrica, selecione Ambiente.
    4. Em Métrica, selecione Contagem de criação de snapshots.
    5. Selecione Apply.
  6. Clique em Adicionar filtro e use os menus suspensos para adicionar os seguintes filtros:
    Filtrar Comparador Valor
    Rótulo do recurso > environment_name = O nome do ambiente em que você quer monitorar os snapshots programados.
    Monitorar rótulo > resultado = SUCCEEDED

  7. Na seção Transformar dados, defina os seguintes atributos:
    • Em Janela contínua, selecione a janela de monitoramento para esse alerta. Esse valor afeta a configuração do limite na próxima etapa.

      Valor recomendado para o monitoramento programado de snapshots: 1 dia.

    • Em Função de janela contínua, selecione delta.
  8. Clique em Próxima.
  9. As configurações da página Configurar acionador de alertas determinam quando o alerta é acionado. Preencha esta página com as configurações da tabela a seguir.
    Campo Valor
    Condition type Threshold
    Alert trigger Any time series violates
    Threshold position Below threshold
    Threshold value O número de snapshots programados que você espera que sejam salvos dentro do período configurado como Janela contínua para o alerta.

    Calcule esse valor usando a seguinte fórmula:

    (rolling window in hours / schedule frequency in hours) - 1

    Observação: deduzir 1 hora na fórmula considera os diferentes tempos de conclusão do snapshot. Isso ajuda a evitar falsos positivos se o snapshot mais recente ainda estiver em execução durante uma verificação de monitoramento.

    Exemplo:
    Se você usar a janela contínua recomendada de 1 dia e a frequência da programação for uma vez a cada duas horas, defina esse valor como 11 (de acordo com o cálculo: 24 / 2 - 1 = 11).

    Se a programação for executada corretamente, em qualquer janela de 24 horas, você precisará ter pelo menos 11 snapshots. Se você não fizer isso, significa que uma operação de snapshot não foi concluída com sucesso e o Cloud Monitoring vai acionar esse alerta.

    Condition name Seu nome personalizado para a condição.
  10. Clique em Próxima.
  11. Opcional: para adicionar notificações à sua política de alertas, clique em Canais de notificação. Na caixa de diálogo, selecione um ou mais canais de notificação no menu e clique em OK.
  12. Opcional: Atualize a Duração do fechamento automático do incidente. Este campo determina quando o Monitoring fecha incidentes na ausência de dados de métrica.
  13. Opcional: clique em Documentação e adicione as informações que quer incluir em uma mensagem de notificação.
  14. Clique em Nome e digite um nome para a política de alertas.
  15. Clique em Criar política.
Saiba mais em Políticas de alertas.

Testar o procedimento de recuperação de desastres

Teste seu procedimento de recuperação de desastres depois de configurá-lo e, em seguida, periodicamente. Isso permite resolver possíveis problemas que afetam o processo real de recuperação de desastres.

No cenário de DR frio, é possível excluir o ambiente de failover depois de terminar de testar o procedimento de recuperação de desastres.

Verificar operações para salvar snapshots

Use a Google Cloud CLI para recuperar a lista de operações de salvar snapshot e verificar se os snapshots estão prontos para cenários de recuperação de desastres.

Esse método é útil se você salvar snapshots com menos frequência do que pelo menos uma vez a cada 12 horas. Para verificar snapshots salvos com mais frequência, é melhor configurar alertas do Cloud Monitoring. Consulte Configurar o monitoramento para operações de snapshot programados.

gcloud

Liste todas as operações de snapshot para um ambiente específico. Para a referência completa do comando, consulte gcloud composer operations list.

gcloud composer operations list \
    --locations LOCATION \
    --filter="metadata.operationType=SAVE_SNAPSHOT AND 
    metadata.resource=projects/PROJECT_ID/locations/LOCATION/environments/ENVIRONMENT_ID"
    --format yaml

Substitua:

  • LOCATIONS pela lista de identificadores de região em que o ambiente está localizado
  • PROJECT_ID pelo identificador do projeto em que o ambiente está localizado.
  • ENVIRONMENT_ID pelo identificador do ambiente em que você quer verificar as operações de snapshot

Exemplo:

gcloud composer operations list \
    --locations us-central1 \
    --filter="metadata.operationType=SAVE_SNAPSHOT AND 
    metadata.resource=projects/my-project/locations/us-central1/environments/my-environment"
    --format yaml

Após um desastre

Após um desastre, siga as etapas descritas abaixo para recuperar o ambiente principal.

(Apenas DR frio) Criar um ambiente de failover

Siga as instruções na seção Criar um ambiente de failover.

Interromper a execução de DAGs no ambiente principal

Se possível, interrompa a execução de DAGs no ambiente principal:

  • Se o ambiente principal ainda estiver acessível, pause todos os DAGs.
  • Se o bucket do ambiente principal estiver acessível, mova todos os DAGs do bucket do ambiente ou para uma pasta fora de /dags no bucket do ambiente principal.

Carregar um snapshot no ambiente de failover

Carregue um snapshot do ambiente principal no ambiente de failover.

Depois que o snapshot é carregado no ambiente de failover, ele programa e executa tarefas como se nada tivesse sido executado pelo ambiente principal após a criação de um snapshot. No entanto, algumas dessas tarefas podem já ter sido executadas pelo ambiente principal. O ambiente de failover não tem meios para reconhecer quais tarefas foram executadas após a criação do snapshot e antes de um desastre. Como resultado, algumas tarefas podem ser executadas duas vezes (nos ambientes principal e de failover). Recomendamos que todas as tarefas sejam idempotentes e que os snapshots programados sejam criados a cada duas horas.

Ajuste a configuração do ambiente de failover (se necessário)

Em alguns casos, pode ser necessário alterar a configuração do ambiente de failover depois de carregar o snapshot do ambiente principal nele.

Por exemplo, em um cenário de DR frio, pode ser necessário usar um conjunto diferente de variáveis de ambiente do Airflow no ambiente de failover. Como outro exemplo, em um cenário de DR quente, talvez seja necessário conceder permissões aos usuários na interface do Airflow para que eles possam acessar o ambiente de failover.

É possível realizar essas alterações manualmente ou preparar um script de shell com comandos que alteram a configuração do ambiente de failover executando comandos gcloud composer environment update.

Decida o que fazer com o ambiente principal

Alguns desastres podem acontecer porque o ambiente principal não pode ser acessado, mas ainda está em operação ou não opera adequadamente. Por exemplo, não é possível acessar o ambiente principal por meio da rede devido a uma falha de infraestrutura. Como outro exemplo, o ambiente opera com alguns erros ou com capacidade reduzida, mas alguns DAGs ainda são executados.

Se o ambiente original ainda estiver em execução, ele poderá gerar custos diretamente relacionados ao Cloud Composer ou a outros serviços acessados por meio dos DAGs, mesmo que um novo ambiente tenha sido criado como substituto. Esse ambiente ainda pode executar alguns DAGs. Como resultado, algumas operações podem ser executadas duas vezes: no ambiente principal que ainda está em execução e no ambiente de failover após o carregamento do snapshot.

Se o ambiente principal existir, mas não funcionar corretamente

O ambiente principal poderá ser excluído se todos os dados relevantes tiverem sido recuperados. Por exemplo, talvez você queira recuperar dados que não estão incluídos nos snapshots do ambiente, como configuração de rede ou conteúdo do bucket fora das pastas /dags e /plugins.

Se o ambiente principal ficar acessível e íntegro novamente

Se o ambiente principal estava inacessível apenas temporariamente e se tornou acessível e íntegro novamente, você pode escolher uma abordagem:

  • Continue usando o ambiente de failover.
  • Volte ao ambiente principal.

Para continuar usando o ambiente de failover:

  1. Se o ambiente principal ainda executar DAGs, pause-os assim que possível.
  2. Certifique-se de que todos os dados relevantes foram recuperados e, em seguida, exclua o ambiente principal.
  3. Repita as etapas de preparação de DR para o ambiente de failover, como a configuração de snapshots programados.

Para retornar ao ambiente principal:

  1. Pausar todos os DAGs no ambiente de failover.
  2. Aguarde a conclusão de todas as execuções do DAG no ambiente de failover ou as interrompa.
  3. Salve um snapshot do ambiente de failover.
  4. Carregue esse snapshot no ambiente principal.
  5. Retome os DAGs no ambiente principal.
  6. Se necessário, exclua o ambiente de failover.

A seguir