Analisando o Backup-as-a-Service como uma Estratégia de Recuperação de Desastres
Resumo
Nos ambientes modernos, falhas dos sistemas de Tecnologia da informação e comunicação (TIC) podem ter consequências graves para os negócios, como perda de dados, insatisfação do cliente e perda de receita. Soluções de recuperação de desastres (DR) vêm sendo adotadas por empresas como forma de evitar a perda de dados e garantir a continuidade dos negócios. Com a expansão da computação em nuvem, diferentes provedores passaram a oferecer soluções de baixo custo para fins de DR, como o BaaS (do inglês Backup-as-a-service, Backup como serviço). No entanto, existem diversas variáveis a ser consideradas na adoção de uma solução de DR. Portanto, neste artigo, apresentamos uma abordagem integrada utilizando experimentos e modelagem para avaliar um ambiente de BaaS para fins de DR. Em nossa análise, consideramos importantes métricas de G7DR, como disponibilidade, downtime, RTO (Recovery Time Objective) e RPO (Recovery Point Objective). Os resultados mostraram que quando o BaaS é adotado, a disponibilidade do ambiente pode variar de acordo com a quantidade de dados de backup ou restauração. Além disso, uma análise de sensibilidade realizada apontou que o RTO e o RPO foram influenciados principalmente pelo tempo médio para restaurar o centro de dados e pelo intervalo de backup, respectivamente. A abordagem proposta neste artigo pode ajudar empresas, provedores de serviços ou indivíduos interessados em comparar soluções de DR bem como fornecer dados para o auxílio no processo de tomada de decisão.
Referências
E. Andrade, B. Nogueira, R. Matos, G. Callou, and P. Maciel, “Availability modeling and analysis of a disaster-recovery-as-a-service solution,” Computing, vol. 99, no. 10, pp. 929–954, 2017.
I. Zetta, “State of Disaster Recovery 2016,” https://bit.ly/2H6TwhN, 2016, [Online].
Unitrends, “The State of Cloud and Data Protection 2018,” Tech. Rep., 2018. [Online]. Available: https://bit.ly/2VsiieB.
X. Yin, J. Alonso, F. Machida, E. C. Andrade, and K. S. Trivedi, “Availability modeling and analysis for data backup and restore operations,” in IEEE 31st Symposium on Reliable Distributed Systems (SRDS), 2012.
R. Xia, X. Yin, J. A. Lopez, F. Machida, and K. S. Trivedi, “Performance and availability modeling of it systems with data backup and restore,” IEEE Transactions on Dependable and Secure Computing, 2014.
T. A. Nguyen, D. S. Kim, and J. S. Park, “Availability modeling and analysis of a data center for disaster tolerance,” Future Generation Computer Systems, 2016.
M. Marsan and G. Chiola, “On petri nets with deterministic and exponentially distributed firing times,” in Advances in Petri Nets 1987, 1987, vol. 266.
G. Reese, Cloud application architectures: building applications and infrastructure in the cloud. ”O’Reilly Media, Inc.”, 2009.
C. Cassandras and S. Lafortune, Introduction to Discrete Event Systems, 2nd ed. Springer Publishing Company, Incorporated, 2010.
Bacula Systems, “Corporate data backup and recovery features in bacula enterprise edition,” 2018. [Online]. Available: https://www.baculasystems.com/architecture.
Unix Tutorial, “dd command,” 2019. [Online]. Available: http://bit.ly/2Y5zHPU.
D. Souza, R. Matos, J. Araujo, V. Alves, and P. Maciel, “EucaBomber: Experimental Evaluation of Availability in Eucalyptus Private Clouds,” in 2013 IEEE International Conference on Systems, Man, and Cybernetics, Oct 2013.
D. Oliveira, R. Matos, J. Dantas, J. Ferreira, B. Silva, G. Callou, P. Maciel, and A. Brinkmann, “Advanced stochastic petri net modeling with the mercury scripting language,” in Proceedings of the 11th EAI International Conference on Performance Evaluation Methodologies and Tools. ACM, 2017, pp. 192–197.
F. Owen Hoffman, C. W. Miller, and D. Disclaimer, “Umcertainties in Environmental Radiological Assessment models and their Implications,” Tech. Rep., 1983. [Online]. Available: http://bit.ly/30XNchr.
