● LIVE CODEundKRAM // EST. IRGENDWANNBEST VIEWED WITH YOUR OWN EYES // 1024x768 // NO COOKIES
← Zurück ins Kramarchiv

Single Point of Failure: Dein Backup ist keins, wenn es am selben Haken hängt

Zwei Server, zwei Leitungen, zwei Alarmwege. Klingt redundant. Ist es aber nur, wenn nicht alles am selben Haken hängt. Genau dort verstecken sich Single Points of Failure.

▤ LESEN.EXE↳ Kommentare direkt öffnen

Zwei Server.

Zwei Festplatten.

Zwei Internetleitungen.

Zwei Alarmwege.

Zwei Backups.

Klingt redundant.

Klingt sicher.

Klingt nach:

Da kann nichts passieren.

Und dann fällt eine Steckdosenleiste aus.

Alles tot.

Willkommen beim Single Point of Failure.

Der Begriff klingt nach Enterprise-PowerPoint und Menschen, die bei Meetings „Resilienzstrategie“ sagen.

Die Idee dahinter ist aber lächerlich einfach:

Gibt es irgendwo genau ein Ding, dessen Ausfall alles kaputtmacht?

Wenn ja:

Da ist dein Problem.

Und der Fall im Phantasialand in Brühl zeigt gerade ziemlich brutal, warum das nicht nur ein Thema für Rechenzentren ist.

Ein technisches Sicherheitssystem erkannte offenbar einen zu hohen Chlorgehalt.

Es alarmierte per Mail.

Während einer großen Microsoft-Störung kam diese Mail nach Angaben des Freizeitparks nicht an.

15 Menschen wurden verletzt.

Das Messsystem hatte also einen Fehler erkannt.

Nur die Information darüber hatte offenbar keinen ausreichend unabhängigen zweiten Weg.

Und genau darum geht es.

Inhaltsverzeichnis

Was ist ein Single Point of Failure?

Amazon beschreibt einen SPOF ziemlich genau so, wie man es auch ohne Architekturdiagramm verstehen kann:

Eine einzelne Komponente fällt aus und dadurch wird das gesamte System beeinträchtigt, weil für diese Komponente keine ausreichende Redundanz vorhanden ist.

Das kann ein Server sein.

Aber genauso gut:

ein Switch,

eine Sicherung,

ein DNS-Server,

ein Cloudkonto,

eine Mailbox,

eine Internetleitung,

ein Mensch.

Ja.

Auch Menschen können Single Points of Failure sein.

Wenn nur Kevin weiß, wie das System gestartet wird, und Kevin liegt mit Grippe zuhause:

Kevin Cluster unavailable.

Der Fehler muss also nicht technisch sein.

Entscheidend ist nur:

Gibt es eine Abhängigkeit, die alles mitnehmen kann?

Zwei ist nicht automatisch redundant

Der häufigste Denkfehler lautet:

Wir haben zwei davon.

Also redundant.

Nein.

Du hast erstmal:

zwei davon.

Mehr nicht.

Zwei Server im selben Rack?

Was passiert, wenn das Rack keinen Strom hat?

Zwei Festplatten im NAS?

Was passiert, wenn das NAS abbrennt?

Zwei Backups auf zwei USB-Platten im selben Schrank?

Was passiert beim Brand?

Zwei Alarm-Mailadressen?

Was passiert, wenn beide über Microsoft 365 laufen?

Zwei Internetanschlüsse?

Was passiert, wenn beide Anbieter dieselbe letzte Glasfaserstrecke benutzen?

Redundanz bedeutet nicht, Dinge zu zählen.

Redundanz bedeutet:

Fehlerursachen zu trennen.

Microsoft selbst empfiehlt in seinem Well-Architected Framework Redundanz über mehrere Ebenen und ausdrücklich die Vermeidung gemeinsamer Ausfallpunkte.

Das klingt trivial.

Ist es nicht.

Das Problem mit gemeinsamem Schicksal

AWS nennt dafür einen sehr schönen Begriff:

shared fate.

Gemeinsames Schicksal.

Mehrere Komponenten sehen getrennt aus, teilen aber eine gemeinsame Abhängigkeit. Fällt diese aus, gehen alle gemeinsam unter.

Beispiel:

Du hast zwei virtuelle Server.

Super.

Beide laufen auf demselben physischen Host.

Host tot.

Beide tot.

Oder:

Primär-DNS.

Sekundär-DNS.

Beide beim selben Provider.

Provider hat Routingprobleme.

Beide weg.

Oder:

Alarm per Outlook-Mail.

Backup-Alarm per Teams.

Beides Microsoft 365.

Microsoft 365 hat einen größeren Ausfall.

Doppelte Farbe im Architekturdiagramm. Gleicher Untergang.

Das ist der Punkt.

Monitoring ist nicht Alarmierung

Das wird erstaunlich oft verwechselt.

Monitoring bedeutet:

Das System erkennt einen Zustand.

Alarmierung bedeutet:

Der richtige Mensch erfährt rechtzeitig davon.

Das sind zwei komplett unterschiedliche Aufgaben.

Ein Sensor kann perfekt erkennen:

Temperatur zu hoch.

Chlorwert falsch.

Festplatte kaputt.

Server nicht erreichbar.

USV auf Batterie.

Wenn die Information danach in einem Postfach landet, das niemand liest:

Dann hast du technisch hervorragendes Monitoring.

Und praktisch gar nichts.

Ein gutes System muss deshalb zwei Fragen beantworten:

Erkennen wir den Fehler?

und:

Kommt die Information zuverlässig bei jemandem an?

Beim Brühl-Fall war laut Phantasialand offenbar genau diese Trennung entscheidend: Das Wartungssicherheitssystem hatte alarmiert, aber die Nachricht kam während der Microsoft-Störung nicht an. Der vom WDR befragte Cybersecurity-Architekt kritisierte deshalb, dass bei einem Warnsystem zum Schutz von Menschen ein zusätzlicher Meldemechanismus hätte vorhanden sein müssen.

Ein Alarm braucht Eskalation

Ein Alarm ist nicht erledigt, weil eine Nachricht verschickt wurde.

Eigentlich beginnt die interessante Arbeit erst danach.

Zum Beispiel:

Stufe 1:

lokale Sirene oder Lampe.

Stufe 2:

Push oder SMS.

Stufe 3:

Telefonanruf.

Stufe 4:

zweite Person.

Stufe 5:

wenn weiterhin niemand bestätigt, automatische Abschaltung oder anderer sicherer Zustand.

Natürlich hängt das vom Risiko ab.

Ein Jellyfin-Server braucht keine Sirene.

Wenn Jellyfin nachts ausfällt:

Kevin schaut eben kein Shrek 2.

Tragisch.

Eine Chlordosierung, Brandmeldeanlage oder Kühlung für Medikamente ist etwas anderes.

Dort muss der Alarmweg zum Risiko passen.

Und vor allem:

Jemand muss bestätigen.

Keine Bestätigung?

Eskalieren.

Das ist der Unterschied zwischen:

„Nachricht wurde gesendet“

und:

„Problem wurde wahrgenommen“.

Strom: Zwei Netzteile bringen nicht automatisch etwas

Server haben gern zwei Netzteile.

Sieht nach Redundanz aus.

Und ist es auch.

Wenn:

Netzteil A an Stromkreis A hängt.

Netzteil B an Stromkreis B.

Vielleicht sogar unterschiedliche USV-Systeme.

Wenn beide Netzteile dagegen in derselben Mehrfachsteckdose stecken:

Glückwunsch zum doppelten Netzteil.

Steckerleiste tot.

Server tot.

Microsoft empfiehlt Redundanz ausdrücklich auch auf Ebene physischer Versorgung.

Das kennen wir übrigens gerade erst vom Google-Cloud-Ausfall in London:

Redundanz auf dem Papier hilft wenig, wenn im Fehlerfall eine gemeinsame Annahme oder Steuerungslogik beide Wege gleichzeitig nutzlos macht.

Redundanz ist kein Produkt.

Redundanz ist Architektur.

Netzwerk: Zwei Leitungen können dieselbe Leitung sein

Firma bestellt:

Internet A bei Anbieter A.

Internet B bei Anbieter B.

Schön.

Dann kommt der Bagger.

Ein Kabel durch.

Beide Leitungen weg.

Warum?

Weil Anbieter A und B irgendwo dieselbe physische Strecke benutzt haben.

NIST weist bei alternativen Telekommunikationsdiensten ausdrücklich darauf hin, dass unterschiedliche Anbieter trotzdem dieselben physischen Leitungen teilen können – und empfiehlt Trennung auch auf dieser Ebene.

Das ist der Unterschied zwischen:

zwei Verträgen

und:

zwei Wegen.

AWS empfiehlt entsprechend unabhängige Pfade und warnt ausdrücklich davor, Failover-Wege nie zu testen.

Cloud: Zwei Dienste desselben Anbieters sind nicht automatisch unabhängig

Outlook und Teams.

Zwei Anwendungen.

Aber beide können an gemeinsamen Microsoft-365-Komponenten hängen.

SharePoint und OneDrive.

Zwei Namen.

Gemeinsame Plattformanteile.

Zwei Dienste in derselben Cloudregion?

Kann trotzdem dasselbe Control-Plane-Problem treffen.

Das heißt nicht:

Cloud schlecht.

Es heißt:

Cloud ist kein Zaubertrick gegen Abhängigkeiten.

Du verlagerst Abhängigkeiten.

Und musst trotzdem verstehen, welche gemeinsam ausfallen können.

Für kritische Kommunikation kann ein echter zweiter Weg beispielsweise sein:

Microsoft-Mail plus unabhängiger SMS-Anbieter.

Oder:

Cloud-Mail plus lokale akustische Alarmierung.

Oder:

Primärer Messenger plus Telefon über einen anderen Provider.

Entscheidend ist nicht, dass alles von einem anderen Herstellerlogo kommt.

Entscheidend ist:

Kann derselbe Fehler beide Wege treffen?

Backup: Zwei Kopien am selben Ort sind keine Katastrophenvorsorge

Das klassische Beispiel.

Originaldaten auf NAS.

Backup auf USB-Platte.

USB-Platte liegt auf dem NAS.

Technisch:

zwei Kopien.

Haus brennt.

Praktisch:

null Kopien.

Dasselbe bei Ransomware.

Backup-Share dauerhaft gemountet.

Malware verschlüsselt Produktionsdaten.

Danach Backup.

Sehr effizient.

Ein gutes Backup-Konzept trennt deshalb Fehlerdomänen.

Andere Hardware.

Andere Zugangsdaten.

Idealerweise mindestens eine Kopie offline oder unveränderbar.

Und eine Kopie an einem anderen Ort.

Nicht, weil wir Katastrophen lieben.

Sondern weil Feuer das RAID-Level egal ist.

DNS, Login und andere heimliche SPOFs

Die gefährlichsten Single Points of Failure sind oft nicht die großen Server.

Sondern Dinge, die niemand auf dem Schirm hat.

DNS zum Beispiel.

Deine Anwendung läuft.

Datenbank läuft.

Netzwerk läuft.

DNS kaputt.

Für Benutzer:

alles kaputt.

Oder zentrale Identität.

Server läuft.

App läuft.

Loginprovider weg.

Niemand kommt rein.

Oder Passwortmanager.

Alle Zugangsdaten darin.

Passwortmanager nicht erreichbar.

Administrator kann sich nicht anmelden.

Oder Monitoring.

Monitoring läuft auf demselben Host, den es überwacht.

Host fällt aus.

Monitoring fällt mit aus.

Es meldet:

nichts.

Technisch vollkommen konsequent.

Bisschen ungünstig.

Ein guter SPOF-Check schaut deshalb nicht nur auf Server.

Sondern auf den gesamten Weg:

Benutzer → DNS → Netzwerk → Login → Anwendung → Datenbank → Storage → Alarmierung → Administrator.

Wenn irgendwo nur ein Weg existiert:

Marker dran.

Wie findet man Single Points of Failure?

Die einfachste Methode ist erstaunlich brutal:

Frage bei jeder Komponente:

Was passiert, wenn genau das jetzt weg ist?

Router weg.

Was passiert?

Switch weg.

Was passiert?

DNS weg.

Was passiert?

Microsoft-Konto gesperrt.

Was passiert?

Internetprovider weg.

Was passiert?

Serverraum ohne Strom.

Was passiert?

Admin nicht erreichbar.

Was passiert?

Cloudanbieter down.

Was passiert?

Backup beschädigt.

Was passiert?

Wenn die Antwort lautet:

„Dann geht gar nichts mehr“

hast du einen Kandidaten gefunden.

Die zweite Frage lautet:

Ist das schlimm genug, dass ich Redundanz brauche?

Denn nicht alles muss redundant sein.

Das wäre teuer und absurd.

Meine private Rezept-App braucht keinen zweiten Rechenzentrumsstandort.

Wenn sie ausfällt, esse ich Brot.

Aber:

Brandalarm.

Medizinkühlung.

Produktionssteuerung.

Zahlungsverkehr.

Notfallkommunikation.

Da sieht die Rechnung anders aus.

Microsoft empfiehlt genau diese Unterscheidung: kritische Pfade identifizieren und die Redundanz nach der tatsächlichen Bedeutung des Dienstes ausrichten.

Die wichtigste Regel: Ausfälle testen

Jetzt kommt der Teil, den alle gern überspringen.

Testen.

Nicht:

„Wir haben einen Backup-Link.“

Sondern:

Primären Link ziehen.

Geht es weiter?

Nicht:

„USV vorhanden.“

Sondern:

Strom abschalten.

Was passiert?

Nicht:

„Backup läuft täglich.“

Sondern:

Datei zurückspielen.

Nicht:

„Es gibt einen zweiten Alarmweg.“

Sondern:

Ersten Weg abschalten.

Kommt der zweite wirklich?

Nicht:

„Der Failover-Server übernimmt.“

Sondern:

Primären Server absichtlich runterfahren.

AWS warnt ausdrücklich davor, Backup- und Failover-Pfade erst beim echten Ausfall zum ersten Mal auszuprobieren.

Denn Papier ist sehr zuverlässig.

Papier fällt nie aus.

Das System dahinter schon.

Und deshalb ist ein Single Point of Failure auch keine akademische IT-Spielerei.

Der Freitag in Brühl zeigt ziemlich deutlich, was passiert, wenn eine technische Fehlererkennung zwar funktioniert, der Informationsweg aber nicht ausreichend unabhängig ist.

Der wichtigste Satz lautet deshalb:

Redundanz bedeutet nicht, dass etwas zweimal existiert.

Redundanz bedeutet:

Wenn eins stirbt, lebt das andere wirklich unabhängig weiter.

Andere Stromversorgung.

Anderer Pfad.

Andere Fehlerdomäne.

Andere Kommunikation.

Je nachdem, was geschützt werden muss.

Und vielleicht ist genau das die beste Frage für jedes System:

Was muss alles gleichzeitig funktionieren, damit dieses Ding seinen Job noch machen kann?

Je länger die Liste wird, desto unruhiger sollte man werden.

Denn irgendwo darin steckt fast immer ein unscheinbares kleines Teil, das niemand beachtet.

Bis es ausfällt.

Dann heißt es plötzlich:

Damit konnte keiner rechnen.

Doch.

Genau dafür gibt es Architektur.

✳ ENDE DER ÜBERTRAGUNG.
HAST DU SENF DAZU?Senf dazugeben ↗
DISKUSSION.EXE

Dein Senf ist gefragt.

0 Gespräche

Die Diskette ist eingelegt. Hier kommen eure Gedanken, Fragen und gepflegten Gegenreden – persönlich freigeschaltet.

Noch keine freigegebenen Kommentare. Der erste Beitrag ist noch frei!

✎ POSTAUSGANG.EXE ▢ ×

Dein Senf dazu

Du erhältst einen Bestätigungslink per E-Mail. Danach wird dein Kommentar persönlich moderiert.

🎲 RANDOM.EXE💾 1.44 MB PURE KRAM