Facebook down: O que sua empresa pode fazer para não cair no limbo?

Segundo o relatório oficial do Facebook, o erro ocorreu devido a uma falha na configuração dos equipamentos de rede. Pelo que tudo indica, o problema foi causado por uma configuração errada em seus roteadores de Border Gateway Protocol (BGP) que fazem a comutação do tráfego entre os seus "Pontos de Presença" (POPs).

Mas por que levou tanto tempo para retomarem os serviços? Tudo leva a crer que ocorreu o famoso "tiro no pé", ou seja, quando há um erro de configuração, a rede "desliga-se da internet" e perde-se o acesso aos equipamentos e/ou sistemas de suporte internos para poder corrigir o problema sem impactar o acesso aos usuários.

Mas, o que podemos aprender com esse erro e o que fazer para mitigar esse risco?

Primeiro ponto que devemos destacar: É preciso sempre pensar na sua árvore de dependências. Isso significa, mapear todos os componentes da sua infraestrutura e a relação entre eles. Neste caso específico, aparentemente, as ferramentas de suporte dependiam da rede.

Ter um plano contra desastres é um ponto chave. As pessoas precisam ter informações e serem treinadas sobre como agir quando há um problema como este. No caso do Facebook, pelo relatório público disponibilizado, houve problema de acesso dos engenheiros e analistas às ferramentas do dia a dia que seriam utilizadas para que o ambiente voltasse ao ar.

Ter implantada uma política de escopo de poderes de administração nos equipamentos também é muito importante. Mapear atividades versus pessoas e sistemas, inclusive com controle de aprovações, tendem a reduzir erros de configuração.

Na disciplina de gestão de redes, uma boa prática é construir uma rede de gerenciamento apartada Out of Band (OFB). Essa rede não pode ter qualquer dependência da sua rede de produção e pode ser construída com equipamentos de mercado ou soluções específicas. Um bom engenheiro de redes consegue desenhar a melhor solução para cada cenário.

Em uma visão geral, a sugestão para minimizar riscos é ter um ambiente bem projetado, documentado e pensado para que, em eventos extremos como esse, a recuperação do ambiente aconteça de forma mais rápida possível.

Artur Araujo é Diretor e chefe de Tecnologia Pinpoint e especialista em gerenciamento e desenvolvimento em infraestrutura de TI, redes e telecomunicações e segurança da informação.