Entendendo Interrupções na Nuvem: Causas, Impacto e Prevenção

Quanto mais a TI depende de serviços na nuvem, mais provável é que você sofra tempo de inatividade e perdas de receita devido a uma interrupção na nuvem. Mais de 60% das organizações que usam nuvem pública relatam perdas em 2022 devido a esses incidentes, então interrupções não são uma ocorrência rara que as empresas provavelmente não enfrentarão.

Mas as interrupções são razão suficiente para abandonar a nuvem de vez? Ou você deve continuar com este tipo de infraestrutura apesar do risco de tempo de inatividade ocasional?

Este artigo aborda tudo o que você precisa saber sobre interrupções na nuvem. Descrevemos suas principais causas, examinamos estatísticas reveladoras, mostramos como minimizar o impacto do tempo de inatividade na nuvem e analisamos as interrupções mais impactantes ocorridas nos últimos anos.

O Que É Uma Interrupção na Nuvem?

Uma interrupção na nuvem é um período durante o qual os serviços de um provedor de nuvem ficam indisponíveis para usuários finais. A infraestrutura do fornecedor cai (devido a um bug, falha de energia, etc.), e os clientes perdem acesso a ativos baseados na nuvem até que o provedor corrija o problema.

Em termos de impacto, não há diferença entre um data center on-site caindo e uma interrupção na nuvem. Você perde acesso a ativos de TI em ambos os casos, mas a abordagem hands-off da computação em nuvem adiciona algumas considerações únicas:

• Interrupções na nuvem têm pouca ou nenhuma visibilidade de falha, então os usuários normalmente não sabem o que deu errado
• A equipe do provedor é responsável por corrigir o erro, então os clientes não participam do processo de recuperação
• Como você não tem visibilidade ou controle sobre o problema, não há como saber quando os serviços voltarão online

Como com hardware local, existem dois tipos de interrupções na nuvem:

• Planejadas (tipicamente ocorrem devido a manutenção programada)
• Não planejadas (acontecem quando o provedor encontra um erro inesperado e deve realizar medidas de restauração)

Estudos recentes revelam que interrupções não planejadas custam 35% mais que tempo de inatividade planejado (tanto on-premises quanto na nuvem). A diferença de preço existe porque incidentes inesperados levam mais tempo para serem identificados e corrigidos — e quanto mais tempo uma interrupção dura, maior o dano.

Comparado a hardware on-site, infraestrutura baseada na nuvem resulta em tempo de inatividade mais frequente, mas com menos gravidade. Como nenhum sistema de hospedagem fornece 100% de uptime, os clientes estão dispostos a tolerar interrupções ocasionais em troca das vantagens da computação em nuvem. Esta disposição também é evidente no crescimento do mercado — a nuvem representará 14,2% do gasto total global de TI em 2024 (subindo de 9,1% em 2020).

Causas de Interrupções na Nuvem

Interrupções na nuvem resultam de várias causas, tanto dentro quanto fora do controle do provedor. Aqui está uma lista das mais comuns:

• Queda de energia: Problemas relacionados à energia causam 43% de todas as interrupções na nuvem com tempo de inatividade significativo e perda financeira. Falhas no fornecimento de energia ininterrupta (UPS) são a causa número um de incidentes de energia
• Cibersegurança: Ciberataques como Distributed Denial of Service (DDoS) sobrecarregam data centers com tráfego de entrada. Nesse caso, usuários finais não podem acessar o serviço via mesma infraestrutura de rede. Outras ameaças (como ransomware ou injeção SQL) podem forçar o provedor a desligar serviços e remediar o problema offline
• Erro humano: Um único comando incorreto ou erro com cabeamento pode derrubar toda a infraestrutura de TI. Erros humanos causam problemas físicos e de software que levam a interrupções
• Problemas técnicos: Serviços na nuvem dependem de um sistema complexo de tecnologia de hardware, então um erro que consegue ficar sob o radar tempo suficiente pode levar a uma interrupção na nuvem
• Bugs de software: Falhas e bugs são comuns em data centers na nuvem. Os culpados usuais por trás dos problemas são bugs de formato de dados, bugs relacionados a falhas, bugs de temporização e bugs de valor constante
• Problemas de rede: Problemas associados à comunicação de rede e parceiros de telecomunicações terceiros são outra causa comum de interrupções na nuvem
• Manutenção: Manutenção programada e atualizações de sistema às vezes levam a uma interrupção, embora usuários finais normalmente saibam sobre essas ocorrências com antecedência
• Causas ambientais: Eventos como furacões, incêndios, tempestades de raios e terremotos também desencadeiam tempo de inatividade na nuvem, seja colocando a instalação em perigo ou danificando a rede elétrica da região
• Implantações mais complexas: Modelos de implantação mais intrincados (como híbrida, distribuída e multi-cloud) complicam operações de data center, criando mais oportunidades para erros

O Que Acontece Quando a Nuvem Cai?

No melhor cenário, uma interrupção na nuvem dura apenas alguns minutos e afeta um pequeno número de usuários ou serviços. No pior caso, uma interrupção paralisa o negócio de um cliente por meio dia ou mais. Uma empresa perde acesso a todos os ativos baseados na nuvem e permanece isolada até o fim da interrupção.

Embora ameaçadoras, erros de provedores terceiros foram a causa de "apenas" 7% das interrupções graves em 2021. Uma interrupção grave deve envolver um (ou vários) dos seguintes:

• Perdas financeiras significativas
• Dano à reputação
• Violações de conformidade
• Perda de vidas

Embora existam preocupações mais urgentes (como mostrado no gráfico de rosca abaixo), lembre-se de que um minuto médio de tempo de inatividade custa $5.600 (esta figura por minuto sobe para $9.000 para empresas). Se você não estiver preparado (ou seja, não tem backups de dados, recuperação de desastres, etc.), uma interrupção na nuvem pode paralisar seu serviço e causar golpes massivos no resultado final.

Uma empresa que mantém um pequeno segmento de operações na nuvem é menos vulnerável a interrupções. Por exemplo, se você só hospeda emails na nuvem, até uma interrupção de um dia não é catastrófica. Você pode aguardar o incidente ou executar aplicativos com funcionalidade reduzida, uma estratégia que não funciona se você usa a nuvem para executar uma plataforma IoT ou processar pagamentos.

Em alguns casos, a interrupção na nuvem leva a perda permanente de dados (a quantidade de dados perdidos depende da frequência dos backups). Além disso, clientes em indústrias rigorosas são responsáveis por multas legais se uma interrupção levar a uma violação ou vazamento de dados, então tenha cuidado ao decidir o que manter no armazenamento na nuvem.

O Que Os Usuários Podem Fazer?

Aqui está o que as empresas fazem para mitigar o impacto de interrupções na nuvem:

• Elimine pontos únicos de falha: Prepare um backup de cada componente de TI crítico para a missão, seja em uma sala de servidores on-site ou em um provedor secundário. Se a nuvem cair, você realiza um failover (o processo de mudar para um servidor standby, componente de hardware, rede, etc.) para garantir continuidade dos negócios
• Tenha um plano de contingência: Um plano de recuperação de desastres descreve uma estratégia passo a passo do que a equipe faz em caso de interrupção. Este plano fornece instruções para proteger dados, realizar failover, garantir continuidade dos negócios e restaurar operações. Planejamento oportuno para uma interrupção na nuvem evita perda de tempo na avaliação do melhor curso de ação durante o tempo de inatividade
• Invista em um SLA de maior disponibilidade: Se suas tarefas críticas para o negócio não podem pagar longas interrupções na nuvem, procure um Service Level Agreement (SLA) de maior disponibilidade, como aquele que garante 99,999% de uptime (máximo de 5,25 minutos de tempo de inatividade por ano). Estes contratos são mais caros, mas manter seus serviços online se torna uma prioridade maior para o provedor de nuvem
• Realize backups regulares de dados: Um backup garante que sua equipe tenha uma maneira de restaurar uma versão recente de arquivos se uma interrupção na nuvem corromper ou excluir um banco de dados. Idealmente, backups devem ocorrer automaticamente e entre uma vez por hora a uma vez por dia (dependendo da criticidade para a missão)
• Detecte interrupções o mais rápido possível: Quaisquer recursos adicionais de monitoramento na nuvem que sua equipe configure ajudam a identificar uma interrupção em tempo real em vez de esperar pela notificação do provedor. Aqui está uma lista das melhores ferramentas de monitoramento na nuvem para melhorar a detecção de tempo de inatividade e garantir failover oportuno

Maiores Interrupções Recentes na Nuvem

Interrupções na nuvem são inevitáveis ao usar a nuvem, e até os provedores mais populares (como Azure, AWS e Google Cloud) não são imunes a tempo de inatividade. Vamos analisar algumas das interrupções mais significativas na nuvem na história recente.

Interrupção do Azure (Outubro 2021)

Em outubro de 2021, o Microsoft Azure sofreu uma interrupção que derrubou serviços de máquinas virtuais por seis horas. Durante a interrupção, muitos usuários não conseguiam implantar novas VMs ou atualizar extensões. Operações básicas de gerenciamento de serviços (como iniciar, criar e excluir) também levavam a erros.

A causa da interrupção na nuvem foi a incapacidade de consultas de VM de recuperar os dados de versão necessários de um artefato. Um relatório pós-recuperação revelou que o erro baseado em software ocorreu quando a Microsoft migrou uma de suas arquiteturas de VM.

Interrupção do Google Cloud (Novembro 2021)

O Google Cloud caiu por cerca de duas horas em meados de novembro do ano passado, afetando empresas como:

• Home Depot
• Snapchat
• Etsy
• Discord
• Spotify

Sites impactados exibiam erros 404 quando visitantes tentavam acessá-los. O Google relatou que a causa da interrupção na nuvem foi uma falha em uma configuração de rede responsável pelo balanceamento de carga.

Interrupção da AWS (Dezembro 2021)

Um grande surto de atividade de conexão sobrecarregou dispositivos de rede em uma das instalações principais da AWS, afetando vários sites e aplicativos. Alguns dos "vítimas" mais notáveis foram:

• Site da Amazon
• Prime Video
• Netflix
• IMDb
• PlayStation Network

O problema do data center causou latência severa dentro das redes internas da AWS. Aplicativos de clientes sentiram os efeitos cascata, sofrendo atrasos de tráfego ou desligamentos totais por cerca de sete horas.

Duas Interrupções Subsequentes da IBM (Janeiro 2022)

Um problema com a infraestrutura da IBM afetou serviços na nuvem na região de Dallas por mais de cinco horas. A equipe interna resolveu o problema, mas acidentalmente causou um problema adicional de uma hora com nuvem privada virtual. O problema secundário afetou usuários globalmente, incluindo EUA, Japão, Canadá e Alemanha.

Interrupção AWS/Slack (Fevereiro 2022)

O Slack sofreu uma interrupção de seus recursos de nuvem AWS em fevereiro, que impediu o uso normal da plataforma de comunicação por cinco horas. Mais de 11.000 usuários relataram incapacidade de:

• Enviar ou receber mensagens
• Fazer upload de arquivos
• Entrar em canais
• Iniciar o aplicativo desktop

A equipe do Slack nunca compartilhou o motivo por trás da interrupção na nuvem e solicitou que todos os usuários afetados reiniciassem o aplicativo e limpassem o cache após a recuperação.

Interrupção do iCloud (Março 2022)

Quinze serviços principais da Apple caíram por quatro horas em março devido a uma interrupção na nuvem, incluindo:

• App Store
• Apple Maps
• Apple TV

Os sistemas corporativos e de varejo da Apple também caíram. A empresa revelou posteriormente que a causa raiz foi um problema relacionado ao sistema de nomes de domínio (DNS) da empresa.

Interrupção do Google Cloud (Março 2022)

Em 8 de março de 2022, usuários do Google Cloud sofreram erros de serviço por duas horas e meia. Spotify e Discord estavam entre os atingidos pela interrupção.

Uma mudança no código do Traffic Director para processamento de configurações causou o erro. Segundo o relatório pós-recuperação, más mudanças de código negligenciaram migrações de formato de dados de configuração, então a plataforma inadvertidamente excluiu a programação do usuário.

Interrupção da Atlassian (Abril 2022)

A maior interrupção da Atlassian do ano começou em 5 de abril e terminou em 18 de abril (embora alguns usuários tenham começado a restaurar serviços em 8 de abril). A empresa explicou que a interrupção ocorreu devido a comunicação inadequada da equipe e um plano de resposta a incidentes mal planejado.

Embora esta interrupção na nuvem tenha durado quase duas semanas para alguns usuários, não houve relatos de perdas significativas de dados de clientes. No entanto, usuários dos dois produtos principais da Atlassian, Trello e Jira, foram afetados pelo problema.

Interrupção do Microsoft Azure (Junho 2022)

Em 7 de junho, clientes do Azure não conseguiam se conectar a recursos hospedados na região East US 2 (principalmente Virgínia). A interrupção durou cerca de doze horas e não afetou consumidores que dependiam de infraestrutura zone-redundante. Serviços comprometidos incluíram:

• Application Insights
• Log Analytics
• Managed Identity Service
• Media Services
• NetApp Files

O culpado foi uma oscilação súbita de energia em um dos data centers locais, que causou o desligamento das Unidades de Tratamento de Ar (AHUs).

Interrupção da Cloudflare (Junho 2022)

Em junho, uma interrupção acidental na Cloudflare causou grandes interrupções que duraram uma hora e meia, derrubando sites populares como:

• Discord
• Shopify
• Fitbit
• Peloton

O fornecedor baseado em São Francisco explicou que o tempo de inatividade não planejado resultou de uma mudança na configuração de rede em 19 de seus data centers.

Não Subestime o Valor do Planejamento para Interrupções na Nuvem

Exemplos de interrupções na nuvem nos últimos anos enviam uma mensagem clara: embora a nuvem seja um divisor de águas na TI, a tecnologia não é à prova de falhas. Empresas que se importam com usuários finais e disponibilidade de aplicativos devem estar prontas para tempo de inatividade ocasional, o que torna backup e recuperação de desastres (BDR) uma parte integral do uso de recursos baseados na nuvem.