Como o Uber constrói clusters OpenSearch resilientes a falhas de zona

Uber publica sua receita para manter o OpenSearch quando uma zona AZ cai. Sem IA mágica — apenas topologia, alocação de shards e exercícios regulares.

O fato

InfoQ publica (17 de julho de 2026) um relato de experiência da Uber sobre a construção de clusters OpenSearch resilientes a falhas de zona (AZ). O artigo detalha os padrões de placement, failover e teste — e esclarece que a Uber empilha um sistema "isolation-group" próprio sobre a plataforma de orquestração de contêineres Odin, acima das primitivas do OpenSearch.

Nossa leitura

Dois pontos a destacar. O placement ciente de zona é um trabalho de engenharia, não uma caixa para marcar. O OpenSearch não redistribui magicamente os shards após uma falha de AZ — a topologia deve ser pensada antecipadamente (alocação awareness, forced awareness, réplicas por zona). A Uber detalha hooks concretos, com a contribuição de seu próprio sistema de isolation-groups sobre o Odin — algo que falta em 90% da documentação em circulação.

A disciplina do drill faz a diferença. Prever a falha é fácil; repeti-la em pré-produção, menos. É isso que a onda de harness/plataforma (veja #1211 no QCon AI Boston) traz para o lado de IA: o drill contínuo, aplicado à infraestrutura de busca há dez anos, torna-se a norma para os agentes em produção.

A observar

A abordagem da Uber (OpenSearch + isolation-groups + Odin) é transponível para outros data stores distribuídos (Cassandra, Kafka). Para as equipes que constroem a camada RAG/vector acima do OpenSearch: a resiliência de zona é definida antecipadamente à camada de embedding — a camada de IA herda o piso que sua base estabelece.