Rezilienţa conectivităţii la reţea

(Secțiunea: Ecosistem și rețea)

1) Scop și domeniu

„Reziliența rețelei” este capacitatea ecosistemului de a menține accesibilitatea și calitatea previzibilă a interacțiunilor dintre participanți (operatori, furnizori, studiouri, afiliați, noduri/validatori, servicii de plată și servicii KYC) atunci când canalele, nodurile, regiunile și atacurile externe eșuează. Obiectivele cheie sunt minimizarea MTTR, care conțin eșecuri în cascadă, degradarea controlată și recuperarea rapidă a SLO-urilor țintă.

2) Model de amenințare

Rețea: pierderea pachetelor/jitter, congestia legăturilor, clapeta BGP, pauze interregionale, rutare asimetrică.
Transport/prize: conexiuni semi-deschise, blocarea capului de linie (TCP), epuizarea stării (NAT/conn-track).
Strat de aplicație: vârfuri de trafic, cereri „de lungă durată”, n + 1 RPC, furtună din spate.
Dependențe: degradarea DNS, KMS/PKI, cozi, TURN/releu, API-uri terțe părți.
Securitate: L3/L4/L7 DDoS, inundații bot, otrăvire cache, încercări Sybil/spam.
Sistem de operare: steaguri de caracteristici incorecte, versiuni „fierbinți” fără limite, timeout-uri incorecte.

3) Principii de proiectare a sustenabilității

1. Redundanță în toate straturile: căi, regiuni, furnizori, noduri de releu, DNS, stocări secrete.
2. Izolarea defecțiunilor: arhitectură bazată pe celule, întrerupătoare de circuit, pereți etanși, limite ale apelurilor încrucișate.
3. Fail-rapid și timp de box: scurte intervale de timp pentru apeluri externe, prohibiție „așteptați pentru totdeauna”.
4. Idempotența și retragerile sigure: cheile de idempotență, deadup la receptor.
5. Observabilitate implicită: urme, ID-uri de corelare, probe sintetice.
6. Moduri de degradare: read-only, cache-only, drop-features, prioritatea firelor critice.
7. Ingineria haosului: dovada stabilității prin experiment.

4) Topologii și redundanță

Hibrid P2P + super-peers + DHT: plasă locală în cadrul grupurilor „contract”, super noduri ca repetoare și cache-uri, DHT pentru căutare.
Anycast/Geo-DNS/SD-WAN: intrare apropiată, fluxuri controlate, rutare bazată pe sănătate.
Multi-releu (tuneluri TURN/HTTP3): furnizori independenți, buget releu numai dacă este necesar.
Regiuni active-active: sincron pentru citiri/evenimente idempotente; pentru tranzacții monetare - consistență finală + finalizare strictă.

5) Protocoale, timeout-uri și retrageri

Transport: QUIC/HTTP3 (multiplexare fără blocarea HoL, migrarea căilor), TCP - ca rezervă.

• Timeout client RPC: p99_latency×1. 5 (dar ≤ 2-3 s interregional).
• Timp de conectare: 200-500 ms local, 700-1200 ms interregional.
• Backoff: exponențial cu jitter; max-retries 2-3 pentru „lectură” apeluri.
• Cereri acoperite: după întârzierea p95 trimiteți un al doilea executor (numai operațiuni idempotente).
• Idempotency: antet/câmp „x-idempotency-key”, stocarea jurnalelor dedup ≥ retribuiri TTL.
• Cozi și outbox: livrarea garantată a evenimentelor, repetarea în caz de defecțiuni de rețea, dedup pe console.

6) Gestionarea încărcăturii și „auto-protecție”

Rate-limite și cote: leaky-bucket/token-bucket pe RPC/topic.
Adaptive load-shedding - resetează cererile cu prioritate redusă atunci când crește latența.
Priorități: bani/plăți> evenimente de jocuri> telemetrie.
Backpressure: fereastră dinamică, restricții de concurență, „limite de credit” ale colegilor.
Piscină de conectare: piscine calde, limite pentru prize deschise/state NAT.

7) DDoS și securitatea canalului

L3/L4: curățare în amonte/Anycast, защита conn-track, cookie-uri SYN, UDP-rate.
L7: WAF/WAAP, dovada de lucru/taxa-poarta pentru subiecte deschise, captcha/portofel angajamente împotriva spam.
mTLS/TLS 1. 3 + E2E: criptare „on the go”, fixarea cheilor super-nodului, rotirea certificatelor.
Anti-Sybil: registru peer-ID de încredere, reputație, KYB/KYC pentru influențarea rolurilor.
Securitate implicită: „interzis dacă nu este permis”, ACL prin subiect, minimizarea drepturilor.

8) SLO, SLI și măsurători de reziliență

• Durata de funcţionare a obiectivelor critice ≥ 99. 95 %/30d
• p99 latență interregională ≤ 600 ms; eroare-rată ≤ 0. 2%.
• Rata de succes P2P-RPC ≥ 99. 5%; Pub/Sub E2E p95 ≤ 2 с.
• Cota de releu ≤ 30%; DHT rezolva p95 ≤ 300 мс.
• MTTR SEV-1 ≤ 30 min; MTTA ≤ 5 min.

• Conectivitate%, proporția de conexiuni directe, numărul mediu de vecini.
• RTT/Jitter/Pierdere pe clase de trafic; RPC succes/taxonomie eșec.
• adâncime coadă/lag în brokeri/releu; DHT hit/miss și vârsta înregistrărilor.
• Rata de ardere prin SLO (1h/6h/24h); impactul asupra KPI-urilor de afaceri (pierderi GTV/MAU).

9) Observabilitate și probe sintetice

Urmărire: end-to-end trace-ID-uri, export prin OpenTelemetry, semantica de deschideri pentru hamei de rețea.
Busteni/metrici: busteni structurali, cardinalitate sub control, agregate p95/p99.
RUM + sintetice: măsurători reale ale utilizatorilor și grilă de eșantionare globală (la fiecare 1-5 min) de la regiuni/furnizori cheie.
Tablouri de bord SLO: „semafoare” pentru fluxuri critice, hărți de întârziere/disponibilitate, rapoarte de degradare.

10) Moduri de degradare

Read-only/cache-numai: atunci când tăiați o înregistrare în backend-uri.
Stale-în timp ce-revalidate: vom da departe un cache învechit, dar bun, cu o actualizare de fundal.
Caracteristică kill-switch: comutator rapid de piese instabile.
Limitarea fan-out: interzicerea cererilor de „ventilator”, fuziune în profunzime.

11) Haos-inginerie (plan)

Defecte de rețea: 1-5% pachet-pierdere, 100-300 ms jitter, gaura neagră a ASN-urilor individuale.
Eșec releu/TURN: oprirea N% a super-nodurilor, verificarea proporției de conexiuni directe.
Degradarea DNS/KMS: temporizări/erori artificiale, validarea folback-urilor.
Furtună retrasă: verificarea protecției împotriva cascadelor (jitter, limite, deadup).
Reguli de joc: ipoteză → injecție → măsurători → îmbunătățire → repetare.

12) Strategia și obiectivele DR

RPO/RTO: pentru aceste configurații și ACL - RPO ≈ 0 (instantanee sincrone), RTO ≤ 15 min; pentru telemetrie, RPO este permis ≤ 5 minute.
Cataloage și chei: rezerve reci, backup-uri periodice eșuate, „antrenament de recuperare”.
Dezastre regionale: comutare Anycast/Geo-DNS, încălzire cache, replicare coadă/subiect.

13) Pseudo-configurații

Client Timeout și Politica de retragere (YAML)

yaml client:
rpc:
connect_timeout_ms: 400 request_timeout_ms: 1500 retries:
max_attempts: 2 backoff: exponential base_ms: 100 jitter: true hedging:
enabled: true threshold_ms: 800  # p95 idempotent_only: true

Întrerupător de circuit și priorități

yaml resilience:
circuit_breaker:
error_rate_threshold: 0. 02 rolling_window_sec: 60 open_duration_sec: 15 priorities:
payouts: high game_events: medium telemetry: low load_shedding:
target_p99_ms: 600 drop_low_priority: true

Canale ACL și e2e

yaml security:
mtls: required e2e_topics: [payouts. status, limits. update]
acl:
operators: [12D3KooA..., 12D3KooB...]
providers: [12D3KooC..., 12D3KooD...]

14) Tablouri de bord: machete

Ops (oră/timp real): Conectivitate%, RPC p99, rata de eroare, releu-share, DHT-latență, coadă-lag, SLO burn-rate.
Rețeaua de sănătate (săptămână): rele-% și tendințele RTT, listele de colegii „zgomotoase”, succesul traversării NAT, costul traficului.
Strategie (luna): SEV, MTTA/MTTR, incidente de formare DR, corelație cu valorile de afaceri.

15) Incidente Playbook (foaie de ieftin)

Salt p99 și erori: activați degradarea (numai în citire, numai în cache), acoperirea, creșteți cotele pentru fluxurile critice, deschideți biletele pe calea „fierbinte”.
Releu-share> prag: comuta STUN/TURN piscine, extinde super-noduri, consolida gaura-pumn, ridica temporar TTL cache-uri.
Furtună retrasă: reduceți retragerile maxime, creșteți jitter-ul, activați steagul global de backoff prin serviciul de configurare.
DDoS L7: activați regulile WAAP, blocul de semnături/viteze, activați PoW/fee-gate pe subiecte publice, off. puncte finale neesențiale.
Probleme DNS/KMS: utilizați furnizori secundari, cache-uri cheie locale, rezolvătoare de comutare.
Regiune indisponibilă: trafic failover (Anycast/Geo-DNS), încălzirea unei alte regiuni, recalcularea limitelor.

16) Lista de verificare a implementării

1. Înregistrați SLO/SLI și proprietarii (prin fluxuri/subiecte).
2. Implementați timeouts/retrays/hedging/idempotency.
3. Configurați întrerupătoarele, pereții etanși și prioritățile.
4. Rulați probe sintetice și tablouri de bord globale.
5. Introduceți planul DR (RPO/RTO), instruire regulată de recuperare.
6. Efectuați o zi de haos trimestrial și revizuirea parametrilor.
7. Moduri de degradare a documentelor și modele de comunicare.

17) Glosar

Perete etanș - izolarea subsistemelor pentru a preveni cascadele.
Întrerupător de circuit - dezactivează automat o dependență instabilă.
Acoperirea riscurilor - cereri competitive după o întârziere a pragului.
Outbox/Inbox - trimiterea/primirea de încredere a evenimentelor cu eliminare a duplicatelor.
RPO/RTO - timp admisibil de pierdere/recuperare a datelor.
SLO burn-rate - rata de „ardere” a bugetului de eroare în raport cu SLO.

Linia de fund: stabilitatea conexiunilor de rețea nu este „o caracteristică”, ci o disciplină: redundanța și izolarea eșecurilor, temporizările și retribuțiile competente, prioritizarea strictă, observabilitatea și testele regulate. Această abordare transformă eșecurile inevitabile ale rețelei în evenimente gestionate cu impact minim asupra fluxurilor de afaceri ecosistemice.