Chapter 10 - Resilience, HA, and DR
本章目标
看完本章后，你应该可以回答：
- High availability、fault tolerance、disaster recovery 差在哪里？
- Multi-AZ 和 Multi-Region 怎么选？
- RTO / RPO 是什么？
- backup and restore、pilot light、warm standby、active-active 怎么分？
一句话
Resilience 是设计系统在故障时仍能服务、快速恢复，并控制数据损失和中断时間。
架构位置
Resilience 不是单一层，而是整体架构设计：compute、database、storage、network、DNS、queue、backup 都会參与。
常见服务与概念
- Multi-AZ
- Multi-Region
- Auto Scaling
- Elastic Load Balancing
- Route 53 failover
- RDS Multi-AZ
- S3 replication
- AWS Backup
- RTO / RPO
- Pilot light / warm standby / active-active
PM 视角
PM 要问清楚：可以停多久？可以丢多少数据？是 AZ failure 还是 Region failure？是否愿意为更短 RTO / RPO 付更多成本？
Developer / DevOps 视角
工程师要避免单點故障，并把 recovery runbook、自動化 failover、backup restore test 納入设计，而不是只说「有备份」。
考试怎么问
常见题型会问：
- 如何承受 AZ failure
- 如何让 database failover
- 如何做跨 Region DR
- 如何在成本可控下達到指定 RTO / RPO
- 如何避免 service spike 壓垮 backend
常见陷阱
| 陷阱 | 正确方向 |
|---|---|
| Multi-Region 永遠最好 | 成本和複雜度高，先看 requirement |
| backup 等于 HA | backup 是 recovery，HA 是持續可用 |
| read replica 当 failover 主方案 | read replica 偏 read scaling，也可輔助 DR，但不是等同 Multi-AZ |
| RTO / RPO 混淆 | RTO 是多久恢復，RPO 是最多损失多少数据 |