Как Uber строит отказоустойчивые кластеры OpenSearch для защиты от сбоев зон

Uber публикует свой рецепт для поддержания OpenSearch при падении зоны AZ. Нет волшебного ИИ — только топология, размещение шардов и регулярные учения.

Факт

InfoQ публикует (17 июля 2026) отчёт Uber об опыте построения отказоустойчивых кластеров OpenSearch с учётом сбоев в зонах доступности (AZ). В статье подробно описаны шаблоны размещения, переключения на резерв и тестирования — и подчёркивается, что Uber добавляет собственную систему «isolation-group» поверх контейнерной платформы Odin, поверх примитивов OpenSearch.

Наше понимание

Два ключевых момента. Зонально-осведомлённое размещение — это инженерная задача, а не галочка. OpenSearch не перераспределяет шарды автоматически после сбоя в зоне — топологию нужно продумывать заранее (осведомлённость об аллокации, принудительная осведомлённость, реплики по зонам). Uber приводит конкретные хуки, а также описывает вклад своей системы isolation-groups, размещённой поверх Odin — этого недостаёт в 90 % документации, которая сейчас в обращении.

Дисциплина учений — вот что делает разницу. Предвидеть сбой легко; повторять его в предпроизводственной среде — сложнее. Именно это возвращает волна инструментов и платформ (см. #1211 на QCon AI Boston) в область ИИ: непрерывные учения, применяемые к инфраструктуре поиска на протяжении десяти лет, становятся нормой для агентов в продакшене.

На что обратить внимание

Подход Uber (OpenSearch + isolation-groups + Odin) можно перенести на другие распределённые хранилища данных (Cassandra, Kafka). Для команд, которые строят слой RAG/векторов поверх OpenSearch: зональная отказоустойчивость решается на уровне базы — слой ИИ наследует те же базовые принципы, что и его основа.