Resumo
A Simpress precisava proteger 22 cargas de trabalho críticas de um ambiente híbrido, que conecta a infraestrutura local (on-premises) à AWS, sem o custo e a complexidade de manter um ambiente duplicado em espera.
A :upd8 implementou uma solução de Disaster Recovery contínuo com o AWS Elastic Disaster Recovery (AWS DRS), com replicação em nível de bloco, monitoramento em várias camadas, notificações automáticas, autocorreção e um runbook operacional padronizado. As metas definidas foram RPO menor que 15 minutos e RTO menor que 2 horas.
Sobre a Simpress
A Simpress, empresa do grupo HP, é referência no Brasil em outsourcing de impressão e serviços de gestão de documentos, atendendo empresas de diversos segmentos com operações que dependem de alta disponibilidade dos seus sistemas.
Desafio
A Simpress precisava de uma estratégia de Disaster Recovery (DR) para um ambiente híbrido com 22 cargas de trabalho críticas para o negócio. Sem essa estratégia, a empresa ficava exposta a longos períodos de indisponibilidade e perda de dados em caso de falha no site principal.
Os principais pontos a resolver eram:
- Continuidade sem ambiente duplicado: proteger as 22 cargas de trabalho sem pagar por uma infraestrutura completa em espera (hot standby).
- Detecção e escalonamento: não existia uma forma padronizada de detectar e escalar problemas de replicação ou de conectividade do link híbrido.
- Recuperação repetível: não havia um processo documentado para colocar as cargas de trabalho de volta no ar dentro de uma janela de recuperação aceitável.
Solução
A :upd8 projetou uma arquitetura de DR contínuo na AWS, conectada ao ambiente local por um link híbrido dedicado até a VPC de cargas de trabalho (Workloads VPC).
- Replicação contínua em nível de bloco: o AWS Elastic Disaster Recovery replica continuamente os servidores locais para uma área de staging na AWS.
- Monitoramento em várias camadas: Amazon CloudWatch Alarms acompanham os indicadores que importam para a recuperação: atraso de replicação (Replication Lag), saúde da área de staging, vazão e latência do link híbrido e métricas dos servidores replicados.
- Notificação redundante e escalonamento: cada alerta é publicado pelo Amazon SNS em canais redundantes (webhook, e-mail, SMS e voz) e alimenta um fluxo de plantão com três níveis de escalonamento. As mudanças de estado ficam registradas no Amazon CloudWatch Logs e no Amazon S3 para auditoria.
- Autocorreção: regras do Amazon EventBridge acionam runbooks do AWS Systems Manager e funções AWS Lambda para reiniciar um agente de replicação parado ou aliviar um volume de staging saturado antes que o incidente chegue ao plantão.
- Recuperação: em caso de desastre, as instâncias de recuperação sobem direto na VPC de cargas de trabalho a partir do ponto de recuperação saudável mais recente.
- Por que esta abordagem: a solução foi escolhida em vez de backup e restauração tradicionais e de um ambiente duplicado em espera, porque entrega RPO e RTO bem menores que backups periódicos sem o custo de manter infraestrutura duplicada ligada o tempo todo.
Serviços Utilizados
A solução da Simpress combinou serviços nativos da AWS de DR, monitoramento e automação:
| Categoria | Serviço Utilizado | Função Simplificada |
| Disaster Recovery | AWS Elastic Disaster Recovery (AWS DRS) | Replica continuamente, em nível de bloco, os servidores on-premises. |
| Monitoramento | Amazon CloudWatch (Alarms, Logs e Dashboards) | Acompanha replicação, staging, link híbrido e servidores. |
| Notificação | Amazon SNS | Envia alertas por webhook, e-mail, SMS e voz. |
| Automação | Amazon EventBridge, AWS Systems Manager e AWS Lambda | Executa a autocorreção de falhas conhecidas. |
| Auditoria | Amazon S3 | Guarda o histórico de alertas para retenção e auditoria. |
| Rede | Amazon VPC e link híbrido dedicado | Conecta o ambiente local à VPC de cargas de trabalho. |
Resultados e Benefícios
O projeto estabeleceu, pela primeira vez, uma postura de DR padronizada e mensurável para as 22 cargas de trabalho protegidas:
- RPO menor que 15 minutos: meta atendida pela replicação contínua em nível de bloco, com alarme quando o atraso de replicação passa de 5 minutos.
- RTO menor que 2 horas: meta para colocar as instâncias de recuperação no ar na VPC de cargas de trabalho.
- 100% de cobertura de alertas: de 0% (não havia monitoramento nem escalonamento padronizados) para 100% dos indicadores de replicação e do link híbrido cobertos por alarmes, com notificação automática e um caminho de escalonamento documentado em três níveis.
Lições Aprendidas
O principal desafio foi a falta de um processo documentado para definir os indicadores de saúde das cargas de trabalho e o runbook para agir sobre eles. Os dois tiveram de ser construídos do zero, o que aumentou o esforço de planejamento para definir métricas e limites de alerta e de autocorreção.
- Link e agente monitorados separadamente: um link degradado pode parecer um agente de replicação parado. Monitorar e escalar os dois cenários de forma independente evita diagnóstico errado.
- Ação para os próximos projetos: começar com uma fase explícita de definição de indicadores e de runbook antes de confiar em limites padrão de monitoramento, mantendo documentados separadamente os cenários de link e de servidor.
Sobre a :upd8
Fundada em 2013, a :upd8 tem sido pioneira na jornada de transformação digital e migração para a nuvem. Nossa missão é auxiliar empresas a transformar seus negócios por meio de soluções tecnológicas avançadas. Oferecemos uma gama completa de serviços, desde a avaliação de viabilidade, planejamento, migração, até a gestão contínua dos ambientes em nuvem, garantindo segurança e alta performance para nossos clientes.
Nosso compromisso é entregar soluções personalizadas, em conjunto com as equipes de nossos clientes, para garantir uma transição suave e eficiente, promovendo o crescimento sustentável dos negócios.
