Files

T

Bernt bae705aa97 ARCHITECTURE: NFC roadmap, edge AI, audit logging

- Add NFC ePassport roadmap (ICAO 9303, eIDAS)
- Add TensorFlow.js edge face detection (BlazeFace)
- Add structured audit logger (GDPR-compliant)
- Risk scoring support

Part of KYC Apple Native UX v1.1.0

2026-06-29 16:24:48 +00:00

4.8 KiB

Raw Blame History

ENTERPRISE-RESILIENS AUDIT (2026-06-04 23:xx UTC)

Erik: "Tänk om vi har 10 000 betalande kunder och api-anrop går ner — förödande. Utvärdera vad mer vi kan göra för enterprisedrift."

FAKTISKA FYND (inspekterat, ej antaget)

🔴 KRITISKA SINGLE POINTS OF FAILURE

EN host kör ALLT — server-2: ~9 PM2 Node-tjänster + 27 Rust-mikrotjänster + amos-core (AI-kärna). Servern dör → hela plattformen dör. Ingen LB, ingen auto-scaling, ingen hot standby för prod.
RDS single-AZ — platform-identity-core db.t4g.small, MultiAZ=FALSE. ALL affärsdata + quiXzoom + ledger. DB-failure → total otillgänglighet tills manuell snapshot-restore (timmar). Detta är farligast NU.
db.t4g.small — pytteliten DB-klass för 27+ tjänster. Klarar absolut INTE 10 000 betalande kunder.
AI-provider kredit kan ta slut tyst — hände med Grok idag. Ingen auto-failover på kredit/kvot-fel i model-router.

🟡 FINNS MEN OVERIFIERAT/OFULLSTÄNDIGT

circuit-breaker.mjs finns (3 varianter) — oklart om aktivt överallt
model-router fallbackChain finns för compliance-modeller — men INTE kredit-failover
rate-limit-middleware finns, Redis-cache finns, RabbitMQ kör
RDS backup retention 35 dagar + daglig auto-snapshot ✅ (bra!)
quiXzoom foton på S3 (durable) ✅
K8s-kluster finns (buildkit/kong/platform LBs) men prod-tjänster körs EJ i k8s

✅ AI-PROVIDERS KREDIT (live-testat)

Anthropic/OpenAI/Perplexity/Groq/Gemini/DeepSeek = OK. xAI/Grok = TOM (ticket skapad).

ÅTGÄRDSPLAN (prio efter risk × enkelhet)

P0 — GÖR FÖRST (farligast, relativt enkelt)

RDS Multi-AZ ON — enda kommando/konsol-toggle, AWS sköter synkron replikering + auto-failover. Eliminerar #2. RTO från timmar → ~60-120s. (Winston godkänner kostnad, Johan kör.)
AI-provider auto-failover i model-router — vid 429/quota/credit-fel → nästa provider i kedjan. Aldrig hårt fel. (Johan, PROV-002 redan skickad.)
Uppgradera RDS-klass — db.t4g.small → minst db.r6g.large/xlarge. Kapacitet för skala.

P1 — NÄSTA (host-redundans)

Andra host + load balancer — minst 2 EC2 bakom ALB över olika AZ. Stateless Node/Rust-tjänster replikeras. En host dör → andra tar över.
Health-checks + auto-restart — ALB health-probes, auto-replace döda instanser.
Observability-stack — central strukturerad logg (correlation IDs, tenant-tag), distributed tracing, per-provider AI-metrics (qps/felrate/latens/kostnad), SLO-dashboards.
Graceful degradation — definiera core vs nice-to-have per domän. AI-fel → deterministisk fallback. DB-skrivfel → read-only-läge. Integration nere → köa i RabbitMQ (outbox-pattern), visa "pending" ej hårt fel.

P2 — MOGNAD (enterprise-grade)

Multi-region DR — async-replikerad standby i annan region. Offsite-backup utanför primär AWS (WORM/air-gapped).
SLA-formalisering — internt SLO 99,95%, sälj 99,9%. Definiera "downtime" per tenant. Koppla breach till krediter.
Failover-/restore-ÖVNING — kvartalsvis. (Bara 25% av SaaS testar faktiskt — vi ska vara i de 25%.)
Load-test — simulera 10 000 kunders last innan vi har dem.
Idempotenta writes + spend caps på AI-lagret.

BENCHMARK (Perplexity, källor [1][2])

99,9% = 43 min nedtid/mån (de flesta B2B-SaaS). 99,99% = 4,3 min (kräver multi-region + 24/7 on-call).
Vanligaste misstag: lovar 99,99% utan multi-region; har DR-dok men övar aldrig (75% övar ej); hårdkodar OpenAI-direkt utan adapter/failover.
Vi har RÄTT byggstenar (circuit-breaker, queue, cache) men de är inte satta i system för failover.

TICKETS: skickade till Johan (teknisk) + Winston (kostnad/godkännande)

✅ EXEKVERAT (Erik godkände kostnad 2026-06-04 23:25 UTC)

RES-001 Multi-AZ — KLART ✅

Säkerhetssnapshot tagen (pre-multiaz) + 3 dagliga auto-snapshots som återställningspunkter
aws rds modify-db-instance --multi-az --apply-immediately
MultiAZ: false → true. Synkron standby i annan AZ. RTO timmar → ~60-120s.
NOLL nedtid under konvertering — alla appar (quixzoom/ledger/amos-core) online + DB-anslutna hela tiden. Verifierat.

RES-003 Klassuppgradering — PÅGÅR ⏳

t4g.small (2GB RAM) → r6g.large (16GB RAM), apply-immediately
Multi-AZ ger standby-först-uppgradering = minimal nedtid (sekunder vid failover istället för minuter)
Cron-vakt (5min) verifierar slutförande + bekräftar till Erik + self-cleanup
App online under hela processen (verifierat löpande)

Resultat

Värsta single point of failure (single-AZ DB) ELIMINERAD inför lansering. DB-kapacitet 8x (2→16GB) för 10k kunder.

Kvar (ticketat)

RES-004 Andra host + ALB (Winston godkänt kostnad — kan köras härnäst)
PROV-W1..6 provider-kort (Winston)

4.8 KiB Raw Blame History Unescape Escape