Na primeira semana, mapeie quais sistemas e pessoas precisam estar disponíveis para proteger um book aberto. Até a sexta semana, faça um failover controlado que comprove que a empresa consegue recuperar posições, reconciliar execuções e evitar ordens duplicadas.
Um segundo data center não é prova de recuperação. A prova é um teste registrado, com tempos de recuperação medidos, lacunas de dados conhecidas e decisões documentadas sobre quando o trading pode ser retomado.
Para um broker ou uma prop firm, a recuperação também é um controle de risco e compliance. Um serviço pode estar tecnicamente online enquanto a empresa perdeu o estado necessário para definir limites, supervisionar atividades ou explicar uma execução. Defina a recuperação com base no book de trading, não no tempo de atividade do servidor.
Use a primeira semana para definir os limites da recuperação
Comece pelos componentes que determinam a exposição: gerenciamento de ordens, gateways de execução, o livro de posições e caixa, risco pré-trade, permissões de clientes e contas e o diário de eventos. Mapeie as dependências em relação a dados de mercado, serviços de identidade, rotas de rede, sessões com venues e sistemas de terceiros. Um site de recuperação que restaura o gerenciador de ordens, mas não os limites atuais ou o status das contas, não está pronto para aceitar ordens.
Registre quais dados são a fonte oficial. Por exemplo, um retrato das posições pode estar desatualizado, enquanto um diário somente de acréscimo, com ordens aceitas, confirmações, execuções, cancelamentos e correções, pode ser reproduzido para reconstruí-lo. Inclua números de sequência e timestamps das venues e preserve a distinção entre uma ordem enviada, uma ordem confirmada e uma execução recebida. Essa distinção importa tanto para a exposição quanto para disputas com clientes.
Na primeira semana, defina também os direitos de decisão sobre a recuperação, além do mapa técnico. Determine quem pode interromper a entrada de novos riscos, autorizar a migração para o ambiente de recuperação e aprovar a retomada. Inclua operações, engenharia, risco e compliance. Documente os pontos de controle iniciais:
- Quais produtos, contas e venues continuam disponíveis durante a operação degradada.
- Se novas ordens devem ser rejeitadas, se o acesso deve permitir apenas cancelamentos ou se determinadas estratégias podem continuar em operação.
- Quem pode aprovar uma alteração de limite ou a retomada do trading, e como essa decisão será registrada.
- Quais comunicações a clientes e reguladores podem ser exigidas pelas regras aplicáveis à empresa.
Proteja o book antes de restaurar o serviço
O failover não pode criar dois sistemas ativos gravando dados para a mesma conta ou sessão de venue. Use fencing, um lease ou outro controle efetivo de eleição de líder para impedir que o sistema primário continue enviando ordens depois que o standby assumir o controle. Uma simples alteração de DNS não oferece fencing. Teste o que acontece se o sistema primário ficar isolado do plano de controle, mas ainda conseguir acessar uma venue.
A reprodução de ordens exige o mesmo cuidado. Persista um identificador interno único para cada ordem e os identificadores da venue, depois verifique o estado de confirmação e execução antes de tentar novamente um envio cujo resultado seja incerto. Se a venue oferecer IDs de ordem do cliente e detecção de duplicidades, use esses recursos, mas não presuma que o comportamento seja igual em todas as venues. Se o status for ambíguo, impeça a entrada de novos riscos na conta ou no símbolo afetado enquanto as operações obtêm o estado oficial. Novas tentativas às cegas podem transformar um timeout em uma posição duplicada.
Não adote o zeramento automático como ação padrão de recuperação. Ele pode aumentar o impacto no mercado, violar uma instrução do cliente ou agravar um estado de execução desconhecido.
Uma política mais segura pode congelar novas exposições, manter o acesso para cancelamentos quando possível e exigir a reconciliação antes de decidir se deve proteger ou encerrar posições. Defina essa política por produto, venue e contrato com o cliente, com aprovação de risco. Empresas que comparam abordagens de plataforma e conectividade podem consultar a cobertura de infraestrutura da Trading Technology como uma fonte de contexto do setor.
Defina metas considerando o custo da perda de estado
O objetivo de tempo de recuperação (RTO) descreve em quanto tempo um serviço deve voltar. O objetivo de ponto de recuperação (RPO) descreve a quantidade de dados confirmados que a empresa pode tolerar perder. Trate-os como metas separadas para cada função. Os valores abaixo são faixas típicas de planejamento em ambientes de trading, não garantias ou limites seguros definidos por reguladores. A arquitetura, o acesso às venues e a distância entre os sites alteram o que é viável.
| Função ou medida | Faixa típica do mercado | Implicação operacional |
|---|---|---|
| RTO de entrada e execução de ordens | 5 a 30 minutos | Reserve tempo para isolar o sistema primário, estabelecer sessões com as venues e validar os controles. |
| RPO de eventos de ordens aceitas e execuções | Meta de 0 a 1 segundo | Use um diário persistente e reprodução; verifique lacunas comparando com os registros das venues. |
| RPO de risco e estado das posições | 1 a 5 segundos para retratos | Reconstrua a partir dos eventos e reconcilie antes de permitir novas exposições. |
| Atraso de replicação entre regiões | 100 milissegundos a 2 segundos | Meça o atraso continuamente e defina um limite que impeça uma promoção insegura. |
| Exercício completo de failover | Trimestral a duas vezes por ano | Inclua um teste com book em operação ou representativo de um ambiente de produção, não apenas uma restauração. |
Essas faixas servem para questionar, não são promessas de aquisição. A replicação síncrona pode reduzir a perda de dados, mas acrescentar latência e dificultar o uso de um site distante. A replicação assíncrona pode melhorar o desempenho e permitir maior distância, mas deixa uma janela em que o standby fica defasado.
Para o diário de ordens e execuções, decida como o sistema deve se comportar se o atraso ultrapassar o limite: pausar novos riscos, promover com um ponto de recuperação conhecido ou permanecer no sistema primário. Documente a relação entre as opções e a responsabilidade de risco.
Faça da reconciliação uma condição para a retomada
O fato de um serviço estar acessível não comprova que o book está correto. Antes de reabrir posições a novos riscos, compare ordens, execuções, posições, caixa e margem internos com os relatórios das venues e os registros de câmara de compensação ou prime broker disponíveis para a empresa. Faça a reconciliação por conta e instrumento, não apenas pelos totais agregados. Defina tolerâncias para diferenças de arredondamento e de horário, mas exija um responsável e uma explicação para cada divergência não resolvida.
Mantenha uma linha do tempo auditável do incidente e do teste: detecção, decisão de promoção, estado do sistema, ações dos operadores, comunicações com as venues, exceções de risco e aprovação para retomar. Preserve os registros relevantes de ordens e execuções, os detalhes de sincronização dos relógios e os dados de monitoramento.
As obrigações de manutenção de registros e notificação variam conforme a jurisdição e a atividade. Por isso, a área de compliance deve mapear as obrigações da empresa, em vez de confiar em uma lista genérica de recuperação. Uma lacuna de monitoramento deve ser identificada e avaliada, não ocultada por uma reinicialização bem-sucedida da aplicação.
Acompanhe os resultados dos testes em relação às metas acordadas. Registre o RTO e o RPO reais, o atraso de replicação no momento da promoção, o número e a idade das divergências não reconciliadas, as ordens rejeitadas ou duplicadas e o tempo até a aprovação de risco para a retomada.
Um teste que não atinge uma meta ainda pode ser útil se a lacuna for registrada, atribuída a um responsável e testada novamente. Um teste aprovado também deve incluir injeção de falhas, como a perda do site primário, uma rota de rede interrompida ou um provedor de identidade indisponível.
Use a sexta semana para testar a decisão, não apenas a comutação
Até a sexta semana, faça um exercício controlado com as equipes de operações, engenharia, risco e compliance presentes. Use um book semelhante ao de produção ou um ambiente de teste limitado com fluxo de ordens realista. Inclua ordens em aberto, execuções parciais, cancelamentos em andamento e uma sessão com uma venue cujo estado não possa ser consultado de forma confiável. Meça o tempo desde a detecção até um estado operacional seguro, não apenas o tempo entre o comando de failover e uma verificação de integridade respondida.
Antes do exercício, informe os participantes sobre o escopo, mas não sobre todas as falhas que serão simuladas. Durante o exercício, exija que os responsáveis designados apliquem a política documentada.
Depois, avalie se a empresa conseguiu determinar o que possuía, o que continuava em operação nas venues e se tinha evidências suficientes para retomar. Atribua ações corretivas a funções específicas com prazos e mantenha o registro aprovado do teste junto às evidências de continuidade de negócios e risco operacional.
Um plano prático de recuperação também define como voltar à operação normal. Evite retornar ao sistema primário apenas porque ele está disponível.
Reconcilie as transações criadas durante o failover, confirme a direção da replicação e aprove um failback controlado, usando o mesmo fencing e monitoramento aplicados na promoção. O controle final é um número que pode revelar uma lacuna rapidamente: compare o RPO medido para ordens aceitas e execuções com a faixa de planejamento de 0 a 1 segundo.
Perguntas frequentes
Qual é o RTO típico para uma plataforma de trading?
As faixas típicas de planejamento para entrada e execução de ordens são de 5 a 30 minutos, mas a meta adequada depende dos produtos, das venues e dos controles de risco da empresa. Meça o tempo até um estado operacional seguro, incluindo a reconexão às venues e a validação, e não apenas o tempo até a aplicação ficar disponível.
O que um broker deve reconciliar após um failover?
Reconcilie ordens, confirmações, execuções, posições, caixa e margem com os registros das venues e os registros disponíveis de câmaras de compensação ou prime brokers. Investigue as diferenças por conta e instrumento e mantenha novos riscos desabilitados nas áreas afetadas até que um responsável autorizado resolva ou aceite cada divergência.
Com que frequência uma empresa de trading deve testar a recuperação de desastres?
Exercícios completos de failover trimestrais a duas vezes por ano são faixas típicas de planejamento, com testes mais frequentes de componentes e restauração entre eles. Inclua estados realistas de ordens, conectividade com venues e tomada de decisões; depois, registre o RTO e o RPO medidos e as divergências de reconciliação não resolvidas.
Plataformas · Software · Provedores · Mercados