Single point of failure (SPOF): o singură componentă cade și oprește tot site-ul
O componentă rulează într-un singur exemplar pe drumul tuturor cererilor (un server de aplicație, o bază fără standby, un singur load balancer), deci căderea ei oprește tot sistemul. Pune cel puțin două instanțe în spatele unui load balancer cu health check sau un standby cu failover automat.
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
Un punct unic de eșec e orice componentă a cărei cădere, singură, oprește serviciul. Nu contează cât de bună e restul arhitecturii: un lanț e la fel de disponibil ca cea mai slabă verigă fără rezervă. Un server rulează în medie bine, dar un update de kernel, un disc plin, o eroare de memorie sau o mentenanță a furnizorului de cloud îl opresc oricum, iar cu o singură instanță asta înseamnă site căzut.
SPOF-urile se ascund des în locuri neașteptate: un singur load balancer în fața a zece servere, o singură bază de date, un broker de mesaje, un server NFS pentru fișiere, un cron care rulează pe o singură mașină, chiar și un singur cont de DNS sau un certificat pe care îl reînnoiește manual o singură persoană.
Eliminarea lor: redundanță pentru fiecare componentă de pe drumul critic (cel puțin 2 instanțe în zone diferite), health check-uri care scot automat instanța căzută, failover automat pentru baze de date și testarea reală a căderilor.
De ce apare: cauzele frecvente
1Un singur server de aplicație
# DNS -> LB -> 1 server de aplicație -> bază# DNS -> LB (2 noduri) -> 3 servere de aplicație (zone diferite) -> bază cu standbyCăderea unui server lasă celelalte două să servească cererile, iar health check-ul îl scoate din rotație.
2Baza de date fără standby
# PostgreSQL pe o singură mașină# PostgreSQL primar + standby sincron, failover automat (Patroni, RDS Multi-AZ)Standby-ul preia rolul de primar în câteva zeci de secunde.
Repară eroarea, direct în pagină
Magazinul rulează pe un singur server de aplicație, marcat ca SPOF în simulare. Elimină punctul unic de eșec, cu toate componentele sub 80%.
Indiciu
Componentele în spatele load balancer-ului scalează prin numărul de instanțe.
Reparația
1. Atinge Server aplicație. 2. Instanțe = 3.
Rezultat: fără SPOF.
De ce merge
Cu o singură instanță, orice cădere a serverului oprește site-ul. Cu 3 instanțe în spatele load balancer-ului, căderea uneia e absorbită de celelalte.
Alte forme ale mesajului
502 Bad Gateway după căderea singurului serverConnection refused la baza de date unică
Cum o eviți pe viitor
- Desenează drumul unei cereri și verifică, pentru fiecare componentă, ce se întâmplă dacă pică.
- Rulează cel puțin 2 instanțe din fiecare componentă critică, în zone diferite.
- Folosește failover automat pentru baze de date și brokeri.
- Testează căderile: oprește intenționat o instanță.
Întrebări frecvente
Un serviciu gestionat e SPOF?
Serviciile gestionate (DNS, object storage, SQS) sunt redundante intern. Rămâne riscul ca tot serviciul să aibă o problemă regională, tratat doar cu mai multe regiuni.
Două instanțe sunt suficiente?
Elimină SPOF-ul, dar fiecare trebuie să poată duce singură traficul la căderea celeilalte. Altfel, căderea uneia o supraîncarcă pe cealaltă.
Erori înrudite
502 Bad Gateway Proxy-ul sau load balancer-ul din fața aplicației a primit un răspuns invalid de la server, de obicei pentru că procesul aplicației a căzut, a repornit sau nu ascultă pe portul configurat. Verifici întâi logurile aplicației și ale proxy-ului, apoi health check-ul care trebuie să scoată instanțele moarte din rotație. Baza primară a căzut și tot site-ul s-a oprit (fără failover) Serverele sunt redundante, dar baza de date are o singură instanță, deci căderea ei oprește toate scrierile și citirile care nu sunt în cache. Adaugă o replică de rezervă cu failover automat (Multi-AZ, Patroni, replica set), ca o copie să preia rolul primarei în câteva zeci de secunde. Când pică un server, celelalte se supraîncarcă și cad și ele (fără capacitate N+1) Ai mai multe instanțe, dar fiecare rulează la 60–70%: când una cade, traficul ei se mută pe celelalte, care trec de 100% și încep să cadă la rândul lor. Dimensionează pentru N+1: restul instanțelor trebuie să ducă tot traficul fără una (sau fără o zonă întreagă). Brokerul de mesaje unic a căzut și comenzile nu se mai pot plasa Toate comenzile publică un eveniment în coadă, iar brokerul rulează într-o singură instanță: când cade, publicarea eșuează și comenzile dau erori. Rulează brokerul în cluster (de exemplu 3 noduri, cozi replicate) sau folosește un serviciu gestionat. Învață System Design de la zero, cu exerciții la fiecare lecție
Curs System Design: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 10 lecții sunt gratuite.
