Hochverfügbarkeit
Hochverfügbarkeit (HA)
Wie Systeme 99.999% Verfügbarkeit erreichen – von Redundanz und Clustern über Load Balancing und RAID bis zu USV, Failover und Disaster Recovery. Die Grundlagen für ausfallsichere Infrastrukturen.
Inhaltsverzeichnis
Schnellübersicht
Auf dieser Seite lernst du alles über Hochverfügbarkeit:
- Definition: Was ist Hochverfügbarkeit?
- Verfügbarkeitsklassen: Von 99% bis 99.999% (Five Nines)
- SLA: Service Level Agreements verstehen
- Redundanz-Konzepte: Active/Passive, Active/Active, N+1
- Cluster-Technologien: Failover, Load Balancing, Storage
- RAID-Systeme: RAID 0, 1, 5, 6, 10 im Vergleich
- USV-Systeme: Unterbrechungsfreie Stromversorgung
- Failover-Mechanismen: Automatische Umschaltung
- Load Balancing: Lastverteilungsmethoden
- Disaster Recovery: Notfallplanung & Tiers
- Best Practices: Bewährte Methoden
- FAQ: Häufige Fragen
1. Was ist Hochverfügbarkeit?
Definition
Hochverfügbarkeit (High Availability, HA) bezeichnet die Fähigkeit eines Systems, über einen längeren Zeitraum hinweg betriebsbereit zu sein und Dienste kontinuierlich bereitzustellen – auch bei Ausfällen einzelner Komponenten.
Ein hochverfügbares System zeichnet sich durch folgende Merkmale aus:
- Redundanz: Kritische Komponenten sind mehrfach vorhanden
- Fehlertoleranz: Das System kann Fehler kompensieren
- Failover: Automatische Umschaltung bei Ausfällen
- Wartbarkeit: Wartung ohne Betriebsunterbrechung
- Monitoring: Kontinuierliche Überwachung des Systemzustands
Ziel: Ausfallzeiten minimieren und die Verfügbarkeit auf ein vereinbartes Niveau (z.B. 99.999%) garantieren.
Einfache Analogie
Auto-Analogie
Stell dir ein Auto mit Reserverad vor:
- Normaler Reifen: Eine Server-Komponente
- Reserverad: Redundante Komponente
- Platten: Ausfall einer Komponente
- Wechseln: Failover – automatische Umschaltung
- Weiterfahren: System bleibt verfügbar
Ohne Reserverad (Redundanz) musst du stehen bleiben (Ausfall). Mit Reserverad kannst du weiterfahren (Hochverfügbarkeit).
2. Verfügbarkeitsklassen – Von 99% bis 99.999%
Verfügbarkeit wird in Prozent angegeben. Je mehr Neunen, desto höher die Verfügbarkeit und desto geringer die erlaubte Ausfallzeit.
Two Nines
Three Nines
Four Nines
Five Nines
Six Nines
Merke: Jede Neun verdoppelt die Kosten
Von 99% auf 99.9% zu kommen ist relativ einfach. Von 99.9% auf 99.99% zu kommen ist deutlich schwieriger und teurer. Jede weitere Neun erfordert exponentiell mehr Aufwand in Redundanz, Automatisierung und Testing.
3. SLA – Service Level Agreements
Ein SLA (Service Level Agreement) ist eine vertragliche Vereinbarung zwischen Dienstleister und Kunde, die das vereinbarte Serviceniveau definiert – einschließlich Verfügbarkeit, Response-Zeiten und Strafen bei Nichteinhaltung.
| Verfügbarkeit | Ausfall/Jahr | Ausfall/Monat | Ausfall/Woche | Typischer Einsatz |
|---|---|---|---|---|
| 99% | 3 Tage 15 Std | 7 Std 18 Min | 1 Std 41 Min | Interne Tools, Test-Umgebungen |
| 99.9% | 8 Std 45 Min | 43 Min 50 Sek | 10 Min 5 Sek | Standard-Business-Anwendungen |
| 99.95% | 4 Std 22 Min | 21 Min 55 Sek | 5 Min 2 Sek | Wichtige Unternehmens-Systeme |
| 99.99% | 52 Min 34 Sek | 4 Min 23 Sek | 1 Min 0 Sek | E-Commerce, Banking, Healthcare |
| 99.999% | 5 Min 15 Sek | 26 Sek | 6 Sek | Telekommunikation, Börsenhandel |
SLA-Komponenten
Prozentuale Verfügbarkeit über einen definierten Zeitraum (meist monatlich/jährlich).
- Beispiel: 99.9% Verfügbarkeit = max. 43.8 Min Ausfall/Monat
- Messung durch Monitoring-Tools
- Geplante Wartung oft ausgenommen
Zeit bis zur Reaktion auf einen Vorfall (Incident).
- Kritisch (P1): 15 Minuten
- Hoch (P2): 1 Stunde
- Mittel (P3): 4 Stunden
- Niedrig (P4): 1 Werktag
Finanzielle Konsequenzen bei Nichteinhaltung des SLA.
- Gutschriften auf die Rechnung
- Typisch: 5-30% der monatlichen Kosten
- Oft gestaffelt nach Schwere
- Maximale Gutschrift meist gedeckelt
MTBF, MTTR und Verfügbarkeit
Drei wichtige Kennzahlen für Hochverfügbarkeit:
- MTBF (Mean Time Between Failures): Mittlere Zeit zwischen Ausfällen – je höher, desto besser
- MTTR (Mean Time To Repair): Mittlere Zeit zur Reparatur – je niedriger, desto besser
- Verfügbarkeit = MTBF / (MTBF + MTTR)
Beispiel: MTBF = 1000 Stunden, MTTR = 1 Stunde → Verfügbarkeit = 1000/(1000+1) = 99.9%
4. Redundanz-Konzepte
Redundanz bedeutet, kritische Komponenten mehrfach vorzuhalten, um bei Ausfällen automatisch umschalten zu können.
Active/Passive
Ein System ist aktiv, das andere steht im Standby und übernimmt bei Ausfall.
- Einfach zu implementieren
- Kostengünstig
- Passive Ressource ungenutzt
- Failover-Zeit: Sekunden bis Minuten
Active/Active
Beide Systeme sind aktiv und teilen sich die Last. Bei Ausfall übernimmt der andere die komplette Last.
- Bessere Ressourcennutzung
- Höhere Performance
- Komplexer zu implementieren
- Failover-Zeit: Sekunden
N+1 Redundanz
Für N benötigte Komponenten wird eine zusätzliche Reserve vorgehalten.
- Kosteneffizient
- Ein Ausfall kompensierbar
- Standard in Rechenzentren
- Balance zwischen Kosten und Sicherheit
N+2 Redundanz
Für N benötigte Komponenten werden zwei zusätzliche Reserven vorgehalten.
- Höhere Ausfallsicherheit
- Zwei gleichzeitige Ausfälle möglich
- Teurer als N+1
- Für kritische Infrastrukturen
Redundanz-Stufen
Redundanz kann auf verschiedenen Ebenen umgesetzt werden:
- Komponenten-Redundanz: Netzteile, Lüfter, Festplatten (RAID)
- System-Redundanz: Komplette Server (Cluster)
- Netzwerk-Redundanz: Mehrere Netzwerk-Pfade, Links
- Standort-Redundanz: Mehrere Rechenzentren (Geo-Redundanz)
- Provider-Redundanz: Mehrere Internet-Provider, Cloud-Regionen
5. Cluster-Technologien
Ein Cluster ist eine Gruppe von Servern, die zusammenarbeiten, um Hochverfügbarkeit und/oder Performance zu bieten.
Failover-Cluster
Bei Ausfall eines Knotens übernehmen andere Knoten die Dienste automatisch.
- Active/Passive oder Active/Active
- Shared Storage erforderlich
- Automatische Failover-Erkennung
- Minimale Ausfallzeit
Windows Failover Cluster, Pacemaker, Corosync, VMware HA
Load-Balancing-Cluster
Verteilt Anfragen auf mehrere Server für bessere Performance und Ausfallsicherheit.
- Active/Active Konfiguration
- Kein Shared Storage nötig
- Horizontale Skalierung
- Session Persistence möglich
HAProxy, Nginx, AWS ELB, Azure Load Balancer, F5
Storage-Cluster
Mehrere Storage-Systeme arbeiten zusammen für hohe Verfügbarkeit und Performance.
- Verteilte Datenhaltung
- Automatische Replikation
- Self-Healing bei Ausfällen
- Skalierbare Kapazität
Ceph, GlusterFS, Storage Spaces Direct, vSAN
High-Performance-Cluster
Viele Knoten arbeiten zusammen an rechenintensiven Aufgaben (HPC).
- Parallele Berechnungen
- High-Speed-Netzwerk (InfiniBand)
- Job-Scheduler (Slurm, PBS)
- Für Wissenschaft und Forschung
Slurm, MPI, Kubernetes, Apache Hadoop
Load-Balancing-Methoden
Round Robin
Anfragen werden reihum an alle Server verteilt. Einfach, aber ignoriert Server-Last.
Least Connections
Anfragen gehen an den Server mit den wenigsten aktiven Verbindungen. Besser für ungleiche Last.
Least Response Time
Anfragen gehen an den Server mit der schnellsten Antwortzeit. Optimiert Performance.
IP Hash
Basierend auf Client-IP wird ein fester Server zugewiesen. Gut für Session-Persistence.
6. RAID-Systeme – Redundante Speichersysteme
RAID (Redundant Array of Independent Disks) kombiniert mehrere Festplatten zu einem logischen Laufwerk für bessere Performance, Redundanz oder beides.
Striping
Mirroring
Striping + Parity
Double Parity
Mirror + Stripe
RAID-Empfehlungen
- RAID 1: Für Boot-Disks und kritische Systeme (2 Disks)
- RAID 5: Für File-Server mit guter Kapazitätsnutzung (3+ Disks)
- RAID 6: Für große Arrays mit hoher Ausfallsicherheit (4+ Disks)
- RAID 10: Für Performance-kritische Anwendungen wie Datenbanken (4+ Disks)
- RAID 0: Nur für temporäre Daten ohne Redundanz-Anforderung
7. USV-Systeme – Unterbrechungsfreie Stromversorgung
Eine USV (Uninterruptible Power Supply) schützt Server vor Stromausfällen, Spannungsschwankungen und anderen Stromproblemen.
USV-Typen
VFD (Offline/Standby)
Günstigste Variante. Bei Stromausfall schaltet die USV auf Batterie um (5-12 ms Umschaltzeit). Geeignet für nicht-kritische Geräte wie PCs.
VI (Line-Interactive)
Mittlere Klasse. Regelt Spannungsschwankungen automatisch, schnelle Umschaltung (2-4 ms). Ideal für kleine Server und Netzwerkkomponenten.
VFI (Online/Double Conversion)
Höchste Klasse. Dauerhafte Wandlung AC→DC→AC, keine Umschaltzeit (0 ms). Perfekte Stromqualität für kritische Server und Rechenzentren.
USV-Berechnung
Formel: USV-Kapazität (VA) = Gesamtlast (W) ÷ Leistungsfaktor (typisch 0.8)
Beispiel: Server mit 800W → 800W ÷ 0.8 = 1000 VA → USV mit mind. 1000 VA wählen (20% Reserve empfohlen)
Autonomiezeit: Hängt von Batteriekapazität und Last ab. Typisch 5-30 Minuten für geordnetes Herunterfahren.
8. Failover-Mechanismen
Failover bezeichnet den automatischen Wechsel von einem ausgefallenen System auf ein redundantes System. Der Prozess läuft in mehreren Schritten ab:
Failover-Prozess
Health Check
Kontinuierliche Überwachung der Systemkomponenten durch Heartbeat-Signale
Fehler-Erkennung
Ausfall wird erkannt, wenn Heartbeat-Signale ausbleiben (Timeout)
Entscheidung
Cluster-Manager entscheidet, ob Failover notwendig ist (keine False Positives)
Umschaltung
Dienste werden auf Backup-System gestartet, IP-Adressen übernommen
Verifizierung
Funktionsprüfung des neuen Systems, Benachrichtigung der Admins
Failback
Nach Reparatur: Automatisches oder manuelles Zurückschalten
Wichtige Failover-Konzepte
- RTO (Recovery Time Objective): Maximale akzeptable Ausfallzeit
- RPO (Recovery Point Objective): Maximaler Datenverlust (Zeitpunkt des letzten Backups)
- Split-Brain: Problem, wenn beide Systeme denken, sie seien aktiv
- Quorum: Mindestanzahl aktiver Knoten für Cluster-Entscheidungen
- Fencing: Isolierung fehlerhafter Knoten zur Vermeidung von Datenkorruption
9. Disaster Recovery – Notfallplanung
Disaster Recovery (DR) umfasst alle Maßnahmen zur Wiederherstellung der IT-Infrastruktur nach einem schwerwiegenden Ausfall oder Katastrophenfall.
DR-Tiers (nach SHARE 78)
Basic Backup
Einfache Datensicherung auf Band oder externem Medium. Keine aktive DR-Seite.
RPO: 24+ Stunden
Kosten: Niedrig
Warm/Cold Standby
Regelmäßige Replikation zu einer DR-Seite. Kalt: Hardware vorhanden, aber nicht konfiguriert. Warm: Teilkonfiguriert.
RPO: Stunden
Kosten: Mittel
Hot Standby
Echtzeit-Replikation zu einer aktiven DR-Seite. Automatische Failover-Mechanismen.
RPO: Sekunden bis Minuten
Kosten: Hoch
Zero Data Loss
Synchrone Replikation, kein Datenverlust. Multi-Site mit automatischem Failover. Für Banken, Börsen.
RPO: 0 (kein Datenverlust)
Kosten: Sehr hoch
DR-Strategien
- Backup & Restore: Einfachste, aber langsamste Methode
- Pilot Light: Minimale Infrastruktur in DR-Seite, wird bei Bedarf hochskaliert
- Warm Standby: Reduzierte Version der Produktion läuft in DR-Seite
- Multi-Site Active/Active: Beide Sites aktiv, Last wird verteilt
- Cloud DR: DR in der Cloud (AWS, Azure) – kosteneffizient und skalierbar
10. Best Practices für Hochverfügbarkeit
Die wichtigsten Empfehlungen für den Aufbau und Betrieb hochverfügbarer Systeme:
Redundanz
- Keine Single Points of Failure (SPOF)
- N+1 oder N+2 Redundanz
- Redundante Netzwerkpfade
- RAID für Storage
- Redundante Netzteile
- Geo-Redundanz für kritische Systeme
Monitoring
- Umfassendes System-Monitoring
- Alerts bei kritischen Schwellwerten
- Log-Analyse und SIEM
- Performance-Baselines
- Health Checks für alle Dienste
- Dashboard für Echtzeit-Überblick
Testing
- Regelmäßige Failover-Tests
- Disaster-Recovery-Drills
- Chaos Engineering
- Load- und Stress-Tests
- Backup-Recovery-Tests
- Dokumentation der Test-Ergebnisse
Dokumentation
- Aktuelle System-Dokumentation
- Runbooks für Notfälle
- Netzwerk-Diagramme
- Konfigurations-Management
- Änderungsprotokolle
- Kontaktlisten für Notfälle
Automation
- Infrastructure as Code (IaC)
- Automatische Skalierung
- Automatische Backups
- CI/CD-Pipelines
- Automatisierte Patches
- Self-Healing Systeme
Sicherheit
- Principle of Least Privilege
- Multi-Faktor-Authentifizierung
- Verschlüsselung (in transit & at rest)
- Regelmäßige Security-Audits
- Firewall-Regeln minimieren
- DDoS-Schutz
Die 3-2-1 Backup-Regel
Eine bewährte Regel für Backup-Strategien:
- 3 Kopien deiner Daten (1 primär + 2 Backups)
- 2 verschiedene Medien (z.B. HDD + Cloud)
- 1 Kopie an einem externen Standort (Offsite)
Erweiterung: 3-2-1-1-0 Regel: 3 Kopien, 2 Medien, 1 offsite, 1 immutable (gegen Ransomware), 0 Fehler bei Recovery-Tests
11. FAQ – Häufige Fragen
Häufige Fragen zu Hochverfügbarkeit
HA (Hochverfügbarkeit) schützt vor lokalen Ausfällen einzelner Komponenten (Server, Festplatte, Netzwerk) durch Redundanz und automatisches Failover. Ziel: Minimale Ausfallzeit.
DR (Disaster Recovery) schützt vor großflächigen Katastrophen (Brand, Hochwasser, Totalausfall des Rechenzentrums) durch Auslagerung an einen zweiten Standort. Ziel: Wiederherstellung nach Katastrophe.
Zusammen: HA + DR = umfassende Ausfallsicherheit.
"Five Nines" bezeichnet eine Verfügbarkeit von 99.999%. Das bedeutet maximal 5 Minuten 15 Sekunden Ausfall pro Jahr bzw. etwa 26 Sekunden pro Monat.
Dies ist der Gold-Standard für hochverfügbare Systeme und wird typischerweise von Telekommunikationsanbietern, Finanzdienstleistern und kritischen Cloud-Diensten angestrebt.
Ein Single Point of Failure ist eine Komponente, deren Ausfall das gesamte System zum Stillstand bringt. Beispiele:
- Ein einzelner Server ohne Redundanz
- Ein einzelnes Netzteil ohne Backup
- Ein einzelner Netzwerk-Switch
- Ein einzelner Internet-Provider
Ziel: Alle SPOFs eliminieren durch Redundanz.
RTO (Recovery Time Objective): Die maximale akzeptable Zeit, um nach einem Ausfall wieder betriebsbereit zu sein. Beispiel: RTO = 1 Stunde bedeutet, das System muss innerhalb von 1 Stunde wieder laufen.
RPO (Recovery Point Objective): Der maximale akzeptable Datenverlust, gemessen in Zeit. Beispiel: RPO = 15 Minuten bedeutet, dass maximal 15 Minuten an Daten verloren gehen dürfen (entspricht dem letzten Backup-Zeitpunkt).
Zusammen: RTO = "Wie schnell müssen wir wieder da sein?", RPO = "Wie viel Daten dürfen wir verlieren?"
Die Kosten für Hochverfügbarkeit steigen exponentiell mit jeder zusätzlichen Neun:
- 99% (Two Nines): Basis-Redundanz, moderate Kosten
- 99.9% (Three Nines): ~2-3× Kosten von 99%
- 99.99% (Four Nines): ~5-10× Kosten von 99%
- 99.999% (Five Nines): ~10-20× Kosten von 99%
Wichtig: Nicht jedes System braucht Five Nines! Die Kosten müssen in Relation zum Business-Impact eines Ausfalls stehen.
Split-Brain tritt auf, wenn in einem Cluster die Kommunikation zwischen Knoten abbricht und beide Knoten denken, sie seien der aktive Master. Beide schreiben dann unabhängig voneinander, was zu Dateninkonsistenzen führt.
Lösungen:
- Quorum: Mindestanzahl von Knoten für Entscheidungen
- Witness/Arbiter: Dritter Knoten als Schiedsrichter
- Fencing: Isolierung des "falschen" Knotens
Die Wahl hängt von deinen Anforderungen ab:
- OS/Boot-Disk: RAID 1 (Mirroring) – einfache Redundanz
- File-Server: RAID 5 oder RAID 6 – gute Balance aus Kapazität und Sicherheit
- Datenbank: RAID 10 – beste Performance und Redundanz
- Backup/Temp: RAID 0 – maximale Performance, keine Redundanz
- Large Arrays (8+ Disks): RAID 6 – doppelter Paritätsschutz
Empfehlungen für Test-Häufigkeit:
- Failover-Tests: Mindestens vierteljährlich
- Disaster-Recovery-Drills: Mindestens jährlich, besser halbjährlich
- Backup-Recovery-Tests: Monatlich
- Load-Tests: Vor jedem Major-Release
Wichtig: Ungetestete HA-Systeme sind wie ungetestete Backups – sie funktionieren vielleicht, wenn du sie brauchst, vielleicht aber auch nicht!
12. Praxisaufgaben
Übungsaufgaben
Zusammenfassung
Die wichtigsten Punkte
- Definition: Hochverfügbarkeit = System ist über lange Zeit betriebsbereit, auch bei Komponentenausfällen
- Verfügbarkeitsklassen: 99% (Two Nines) bis 99.9999% (Six Nines) – jede Neun verdoppelt die Kosten
- SLA: Vertraglich vereinbartes Serviceniveau mit Verfügbarkeitszielen, Response-Zeiten und Strafen
- MTBF/MTTR: Verfügbarkeit = MTBF / (MTBF + MTTR)
- Redundanz-Konzepte: Active/Passive, Active/Active, N+1, N+2
- Cluster-Technologien: Failover, Load Balancing, Storage, HPC
- RAID-Systeme: RAID 0 (Speed), 1 (Mirror), 5 (Parity), 6 (Double Parity), 10 (Mirror+Stripe)
- USV-Typen: VFD (Offline), VI (Line-Interactive), VFI (Online/Double Conversion)
- Failover: Health Check → Fehler-Erkennung → Entscheidung → Umschaltung → Verifizierung → Failback
- Disaster Recovery: Tiers 1-6, RTO und RPO als zentrale Metriken
- Best Practices: Redundanz, Monitoring, Testing, Dokumentation, Automation, Sicherheit
- 3-2-1-Regel: 3 Kopien, 2 Medien, 1 Offsite
Merke: Hochverfügbarkeit ist kein Zustand, sondern ein Prozess
HA-Systeme müssen kontinuierlich überwacht, getestet und verbessert werden. Regelmäßige Failover-Tests, Disaster-Recovery-Drills und Backup-Recovery-Tests sind essenziell, um die Verfügbarkeit im Ernstfall sicherzustellen.
Weiterführende Themen
Grundlagen zu Servern, Clients und deren Einsatz in Enterprise-Umgebungen.
Zu Server & ClientsRAID-Levels im Detail – Striping, Mirroring, Parity und ihre Einsatzgebiete.
Zu RAID-SystemenUnterbrechungsfreie Stromversorgung – Typen, Berechnung und Einsatz.
Zu USV-SystemenBackup-Strategien, Recovery-Prozesse und die 3-2-1-Regel.
Zu Backup & RecoveryGeschäftskontinuität – Planung für den Ernstfall.
Zu Business ContinuityCloud-Dienste für Hochverfügbarkeit und Disaster Recovery.
Zu Cloud-Infrastruktur