استراتژی های کاهش ریسک

1) اهداف و اصول

هدف: کاهش احتمال حوادث، محدود کردن «شعاع انفجار» آنها، کاهش MTTR و پیامدهای مالی/نظارتی.
اصول: جلوگیری> تشخیص> حاوی> بازیابی ؛ SLO اول ؛ تقسیم بندی و جداسازی ؛ اتوماسیون ؛ قابلیت اطمینان (تمرین و آزمایش) ؛ هزینه آگاه است.

2) طبقه بندی ریسک (آنچه ما انجام می دهیم)

بار و تولید: اضافه بار، صف، دم تاخیر.
فن آوری/زیرساخت: AZ/منطقه شکست، تخریب پایگاه داده/کش، آسیب پذیری، DDoS.
وابستگی ها: PSP/KYC/AML، ارائه دهندگان بازی، CDN/WAF، دروازه های ایمیل/SMS.
پرداخت/مالی: کاهش مجوز، افزایش تقلب/بازپرداخت، شکاف نقدی.
انطباق/تنظیم مقررات: ذخیره سازی داده ها، بازی مسئول، مجوز.
فرآیند/انسان: خطاهای انتشار، عملیات دستی، تنظیمات نادرست.

شهرت/بازاریابی: قله های تبلیغاتی، منفی در زمینه عمومی

3) استراتژی های پیشگیری (کاهش احتمال)

1. عایق های معماری

چند مستاجر با محدودیت در ترافیک/سهمیه توسط مستاجر.
جداسازی مسیرهای بحرانی: سپرده/نرخ/خروجی در حوزه های جداگانه.
سیاست های شبکه اعتماد صفر، حداقل امتیاز، اسرار و چرخش کلید.

2. عملکرد پیش فرض

CQRS، denormalization، ذخیره کلید داغ، idempotency.
استخر اتصال معتبر، فشار پشتی، وقفه، و عقب نشینی jitter.
محدودیت اندازه درخواست/صفحه، حفاظت N + 1.

3. چند همه برای وابستگی های بحرانی

پرداخت: 2-3 PSPs با مسیریابی سالم و هزینه آگاه.
ذخیره سازی: کپی/تقسیم، کلاس های ذخیره سازی مختلف، کنترل تاخیر.
ارتباطات: پشتیبان گیری ایمیل/SMS ارائه دهنده، کانال های جایگزین.

4. انطباق با طراحی

سیاست های نگهداری (TTL)، رمزگذاری در حالت استراحت/در حال حمل و نقل، حسابرسی.
کنترل مسیریابی جغرافیایی داده ها و دسترسی به نقش.

5. امنیت و ایمنی

WAF/CDN، محدودیت نرخ، کاهش ربات، امضای درخواست و HMAC webhooks.
SCA/DAST/SAST در CI/CD، SBOM، وابستگی و به روز رسانی.

6. فرآیندها و انتشارات

قناری/آبی سبز، تیره راه اندازی، ویژگی های پرچم، چک لیست اجباری.
پاک کردن RACI و کنترل دوگانه برای تغییرات خطرناک.

4) استراتژی های تشخیص (شاخص های اولیه و ناهنجاری ها)

KRI/SLI: p95/p99, نرخ خطا, صف تاخیر, کش ضربه, تکرار تاخیر, مجوز PSP توسط GEO/بانک.
تشخیص ناهنجاری: آشکارسازهای STL/IQR/جریان برای انفجار و افت.
هشدار نرخ سوختگی: پنجره های سریع (1 ساعت) و آهسته (6-24 ساعت) در بودجه خطا.
همبستگی رویداد: releases/phicheflags/campaigns ↔ تنزل معیارها.
چک کننده وابستگی: PSP/KYC/CDN سلامت فعال، نظارت بر قراردادهای SLA.

5) استراتژی های مهار

قطع کننده مدار/Bulkheads: جداسازی استخر مشتری، توقف انتشار زمان.
محدودیت نرخ و سهمیه ها: در هر مشتری/مستاجر/نقطه پایانی، به ویژه برای مسیرهای نوشتن.
تخریب برازنده: خواندن از کش/استاتیک، غیرفعال کردن ویژگی های غیر بحرانی با دکمه های kill-switch.
Fail-open/Fail-closed by domain: مثال - برای تجزیه و تحلیل شکست خورده، برای پرداخت های شکست خورده.
پیام به کاربر: وضعیت دوستانه، صف انتظار، «ما شرط خود را نجات داد».

6) استراتژی های کاهش و بازیابی

Autoscaling توسط پیش بینی/تاخیر: HPA/KEDA با پیش بینی اوج.
جابجایی ترافیک: Geo-steering، تخلیه منطقه گرم، تغییر PSP در زمان واقعی.
Runbooks & Playbooks: دستورالعمل های گام به گام آماده (سپرده متوقف شده ؛ 5xx افزایش نرخ ؛ تکرار تاخیر).
اسکریپت داده پشتیبان گیری: نقطه در زمان بازگرداندن، سرد آماده به کار/فعال، برنامه RPO/RTO.
ارتباطات: اتاق جنگ داخلی + قالب پیام خارجی/صفحه وضعیت.

7) استراتژی های انتقال و پذیرش ریسک

قراردادها و SLA ها: جریمه/وام زمانی که ارائه دهندگان در دسترس نیستند، سپرده گذاری برای خدمات حیاتی.
بیمه: خطرات سایبری، مسئولیت نشت، وقفه های تجاری.
پذیرش آگاهانه: خطر باقی مانده سند، مالک، KRI و تاریخ تجدید نظر.

8) الگوهای کاهش ریسک توسط لایه

8. 1 زیرساخت و شبکه

چند AZ/منطقه، وابستگی های ضد منطقه ای، کنترل خروج.
زیر شبکه ها در هر دامنه، گروه های امنیتی، سیاست های خروجی.
بررسی canary نسخه های جدید هسته/باطن.

8. 2 داده ها، DB و کش ها

خواندن ماکت و خواندن/نوشتن جدایی، محدود کردن معاملات طولانی است.
شاخص های داغ و مصالح تحقق یافته ؛ TTL/بایگانی.
کش گرم تا قله، حفاظت در برابر stampede (تک پرواز).

8. 3 صف و ناهمزمان

حروف بزرگ و موضوعات تکراری با توان و لرزش.
کنترل مصرف کننده تاخیر، پارتیشن بندی توسط کلید، مصرف کنندگان idemotent.

8. ۴ پرداخت و امور مالی

PSP-روتر: هزینه × سلامت × نمره تبدیل.
3-D امن/مجدد → تبدیل بالاتر، بازپرداخت کمتر.
Antifraud: نمره خطر، قوانین سرعت، محدودیت در نتیجه گیری.
مدیریت نقدینگی: نظارت بر مانده نقدی و VaR توسط ارائه دهنده.

8. 5 ایمنی و انطباق

سیاست های ذخیره سازی، رمزگذاری، مته حادثه tabletop به طور منظم.
خط مشی داده ها و ممیزی دسترسی ؛ اسرار - در مدیر اسرار.
بازی مسئول: خود حذفی باعث، محدودیت ها، پردازش SLA.

8. 6 محصول و جلو

پرچم های ویژه با تخریب ایمن ؛ ریل های محافظ A/B

ذخیره سازی در لبه، حفاظت در برابر انفجار (صفحه صف، اتاق انتظار).
UI Idempotent تکرار، صرفه جویی در پیش نویس معامله.

9) فرآیندها، افراد، آموزش

مراسم SRE: بررسی هفتگی KRI/SLO، یکپارچهسازی با سیستمعامل پس از حادثه با اقلام عمل.
تغییر مدیریت: قناری اجباری + رول بک طرح ؛ «کلید دوگانه» برای فعالیت های خطرناک.
آموزش اپراتور: آموزش playbook، شبیه سازی قله/شکست (روز بازی).
رزرو قاب: چرخش در تماس، تکثیر دانش (کتابهای اجرا، نقشه های معماری).

10) داشبورد و ارتباطات

Exec-dashboard: خطرات بالا (heatmap)، خطر باقی مانده در مقابل اشتها، نرخ سوختن، تاثیر مالی.
Tech-dasboard: p95/p99، میزان خطا، تاخیر مصرف کننده، حافظه پنهان، تکرار تاخیر، تبدیل PSP، سیگنال های DDoS.
صفحه وضعیت: دامنه های آپ تایم، حوادث، ETA ها، تاریخ.
الگوهای Comm: ارتباطات داخلی/خارجی در حوادث و رگرسیون.

11) KPI های اثربخشی کاهش ریسک

فرکانس و مقیاس حوادث (در هر ماه/سه ماهه).
MTTA/MTTR, دوره٪ در SLO, نرخ سوزاندن بودجه خطا.
درآمد بهبود/از دست دادن، تبدیل پرداخت در اوج.
اجرای تمرینات (پوشش) و سهم واکنش های خودکار.
درصد اسکریپتهای failover/canary/rollback که با موفقیت اجرا شدهاند.

12) نقشه راه پیاده سازی (8-12 هفته)

«ند». 1-2: نقشه مسیر بحرانی (سپرده/نرخ/خروجی)، KRI/SLO فعلی، موجودی وابستگی.
«ند». 3-4: اقدامات مهار سریع: محدودیت نرخ، قطع کننده مدار، سوئیچ های کشتن، کتاب های اساسی.
«ند». 5-6: مسیریابی چند PSP، گرم کردن حافظه پنهان، خواندن ماکت، TTL/آرشیو سیاهههای مربوط و آثار.
«ند». 7-8: تشخیص ناهنجاری، هشدار سوختگی، تمرینات روز بازی + تمرین برگشت.
«ند». 9-10: geo-feiler، مقیاس خودکار با توجه به پیش بینی/تاخیر، ارتباطات پشتیبان (ایمیل/SMS).
«ند». 11-12: حسابرسی انطباق (TTL/رمزگذاری)، کتابهای نهایی، راه اندازی بررسی ریسک سه ماهه.

13) الگوهای مصنوعی

Playbook Degrade: سه سطح تخریب، چه ویژگی هایی برای خاموش کردن، معیارهای بازگشت.
Failover Plan: چه کسی و چگونه منطقه/PSP را تغییر می دهد، معیارهای کنترل، مراحل برگشت.
سیاست مسیریابی PSP: قوانین بهداشت/کمیسیون/تبدیل، محدودیت ها، مسیرهای آزمایش.
چک لیست تغییر: قبل/در طول/پس از آزادی، مشاهده دروازه، canary-criteria.
ریسک Heatmap و ثبت نام فرمت به روز رسانی، صاحبان، جدول زمانی، KRI/آستانه.

14) ضد گلوله

«امید برای مقیاس» به جای انزوا و محدودیت.
تکیه بر یک ارائه دهنده واحد برای یک دامنه بحرانی.
Playbooks «بر روی کاغذ» بدون تمرین و اتوماسیون.
عقب نشینی بی پایان بدون لرزش → طوفان و آبشار.
صرفه جویی در ورود/نظارت که حوادث را «کور» می کند.

مجموع

کاهش موثر ریسک ترکیبی از جداسازی معماری، شیوه های فرآیند قابل پیش بینی و پاسخ های خودکار است که توسط KRI/SLO قابل اندازه گیری و مته های منظم پشتیبانی می شود. این حلقه احتمال و مقیاس حوادث را به حداقل می رساند، بازیابی را تسریع می کند و از درآمد و شهرت پلتفرم محافظت می کند.