到目前为止，我总是在单个实例（云或 vps）上设置我的项目。始终是相同的例程：安装 LAMP，让它制作 mysql 转储以进行备份，保护 ssh，让它运行多年而无需太多维护。
这些都是小项目，从来没有出现过任何问题。
项目现在变得越来越大，我刚刚在 Rackspace 遇到了硬件故障。停机 4 个小时，客户只能等待。等等。
因此，我的问题是：我需要学习什么才能达到下一个“级别”？
我是否应该开始拆分东西：一个单独的数据库服务器，一个单独的网络服务器等。我是否应该学习如何在停机时快速部署新的云实例？我应该......一些我还没有想到的事情......？
答案1
这取决于您的应用程序对任务的重要性。您可以设置 HA（高可用性）配置，将集群规模扩大一倍（价格翻倍），并在出现任何问题时自动进行故障转移。
至于拆分服务器，这可能是一个好主意。例如，您可以有两个负载平衡的前端节点为您的网页提供服务。如果您发现其中一台服务器出现任何问题，您可以在检查问题的同时将发生故障的节点从负载平衡器中移除。与此同时，所有流量将继续由剩余节点提供服务。
答案2
您应该规划高可用性（HA）和灾难恢复（DR）策略。
1. Build for server failure
云端实例（就像典型的数据中心一样）是短暂的。您需要为服务器故障做好准备。为应对服务器故障，首先要设计无状态应用程序，这些应用程序在服务器或服务重启或重新启动后具有弹性。
设置自动扩展，以便您的应用程序可以根据一组性能指标响应动态流量模式。设置数据库镜像、主/从配置和/或启动，以确保数据完整性和最短停机时间。使用动态 DNS 和静态 IP，以便应用程序基础架构的组件始终具有正确的上下文。
2. Build for zone failure
有时，不仅仅是单个服务器发生故障，还有电源故障、网络中断和雷击。您需要确保您的应用程序已为区域故障做好准备。区域（Amazon Web Services 将其称为“可用区域”）是经过精心设计以免受其他区域故障影响的不同位置。
将每个应用程序层的服务器分布在至少两个区域中。跨区域复制数据。