DevOps y cloud
Alta disponibilidad práctica (sin marketing de «99.99%»)
Healthchecks, redundancia útil, backups que se restauran y RTO/RPO acordados con negocio — HA real para empresas que no pueden permitirse downtime de un día.
13 min de lectura · Actualizado 2026-07-22
Definir HA con el negocio, no con el vendedor cloud
«99.99% uptime» en marketing son 52 minutos de caída al año — pero solo si el SLA cubre todo el stack (DNS, CDN, app, DB, pagos). Pregunta al CFO cuánto cuesta una hora sin pedidos web o sin facturación ERP.
RTO (Recovery Time Objective): cuánto tiempo máximo puede estar caído el servicio. RPO (Recovery Point Objective): cuántos datos puedes perder medidos en tiempo. Un e-commerce puede tolerar RPO 15 min; un portal de firmas digitales, RPO 0.
Documenta estos números antes de comprar redundancia. Duplicar servidores sin RTO acordado solo duplica factura.
HA práctica empieza por eliminar single points of failure obvios: un solo servidor con app + DB + correo + backups en el mismo disco.
Redundancia que sobrevive fallos reales
Dos instancias detrás de load balancer con healthcheck HTTP (/health o /api/status) que saque nodos enfermos automáticamente. Si el LB no healthchequea, sigues enviando tráfico a un 502.
Base de datos: réplica read-only al mínimo; failover automático (Patroni, MySQL InnoDB Cluster) si RTO < 5 min es requisito. Para muchos corporativos, restore probado desde backup en 30 min es más barato que cluster DB activo-activo mal operado.
DNS con TTL bajo (300s) y registros failover o CDN anycast permiten cambiar destino sin esperar 24 h de propagación en incidente.
virtualización propia cluster con HA para VMs críticas y backups off-site (otro DC o object storage) protege contra fallo de nodo físico — no contra borrado accidental de datos, para eso necesitas backup lógico versionado.
Backups: la prueba que separa deseos de realidad
Regla de oro: un backup que nunca restauraste es un deseo. Calendario trimestral de restore drill en staging: DB completa, archivos, configuración DNS y certificados.
3-2-1: tres copias, dos medios, una off-site. Retención alineada a RPO — backups hourly si pierdes dinero cada 15 min de datos.
Verifica integridad (checksums, test mount) automatizado post-backup. Alerta si el job falla — el clásico «nadie miró el cron de mysqldump desde marzo».
Separa backup de snapshot VM: snapshot no reemplaza backup lógico; corrupción silenciosa de DB se replica en snapshots.
Monitoreo orientado a usuario, no a CPU
Sintéticos externos (UptimeRobot, Checkly, ping desde fuera del DC) detectan «sitio caído para clientes» cuando el agente interno en el servidor feliz reporta CPU 40 %.
Alertas en tasa de error 5xx, latencia p95 checkout, cola de jobs atascada, espacio disco < 15 %, certificado SSL < 14 días. CPU al 85 % sostenido importa solo si correlaciona con timeouts.
Status page interna o pública según contrato B2B. Comunicación proactiva en incidente reduce tickets de soporte más que optimizar milisegundos.
Post-incident review obligatorio: timeline, root cause, acción preventiva con dueño. Sin esto, el mismo incidente repite en 6 meses.
Roadmap HA por madurez
Nivel 1 (baseline): backups automatizados + restore probado + monitoreo externo + runbook de incidente con contactos.
Nivel 2: staging espejo, deploy automatizado rollback, DB réplica, CDN/WAF perimetral Cloudflare.
Nivel 3: multi-AZ o multi-región para cargas críticas, failover automático DB, chaos engineering ligero (matar nodo en staging mensualmente).
Conecta diseña HA en infraestructura propia + Cloudflare + LiteSpeed con RTO/RPO documentados para clientes DevOps e hosting administrado — sin vender porcentajes mágicos sin runbook detrás.
Ponlo en práctica ahora
Usa las herramientas gratuitas del Toolbox para validar tu configuración en minutos.
¿Necesitas que lo resolvamos contigo?
Un ingeniero de Conecta puede aplicar esto en tu operación: servicio relacionado o conversación directa.