ms-ai-architect/skills/ms-ai-infrastructure/references/bcdr/data-replication-patterns-ai.md

Data Replication Patterns for AI Systems

Last updated: 2026-06-24 Status: GA Category: Business Continuity & Disaster Recovery Type: reference Source: https://learn.microsoft.com/azure/reliability/concept-redundancy-replication-backup

---

Innhold

• Introduksjon
• Synkron vs. asynkron replikering
• Active-Active og Active-Passive mønstre
• Konsistensmodeller og eventual consistency
• Konfliktløsningsstrategier
• Monitoring av replikasjonsforsinkelse og helse
• Referanser
• For arkitekten

Introduksjon

Datareplikering er fundamentet for Business Continuity i AI-systemer. AI-arbeidsbelastninger har spesielle krav til datakonsistens, latens og tilgjengelighet som gjør valg av replikasjonsmekanisme særlig viktig. En RAG-løsning må for eksempel replikere både search-indekser, embedding-vektorer, kildedokumenter og konversasjonshistorikk — hver med ulike konsistens- og latensbehov.

Azure tilbyr flere replikasjonsmønstre: synkron replikering innenfor tilgjengelighetssoner (Availability Zones), asynkron geo-replikering til sekundærregioner, og applikasjonsbasert replikering for tjenester som ikke har innebygd DR. Valget mellom disse mønstrene påvirker direkte RPO, ytelse og kostnad.

For norsk offentlig sektor er det spesielt viktig å forstå data residency-implikasjoner av geo-replikering. Replikering til en sekundærregion må skje innenfor godkjente geografiske grenser (EU/EØS), og organisasjonen må dokumentere dataflyter i sine behandlingsprotokoll iht. GDPR artikkel 30.

Synkron vs. asynkron replikering

Synkron replikering

Ved synkron replikering bekreftes ikke en skriveoperasjon som fullført før dataene er skrevet til alle replikaer. Dette gir null datatap (RPO = 0), men øker skrivelatens.

Egenskap	Synkron	Asynkron
RPO	0	> 0 (sekunder til minutter)
Skrivelatens	Høyere (avhenger av avstand)	Lavere
Leseytelse	Kan lese fra replikaer	Kan lese fra replikaer (eventual consistency)
Kostnad	Høyere (alltid aktive replikaer)	Lavere
Typisk bruk	Intra-region (AZ), mission critical	Cross-region DR

Azure Storage replikeringsalternativer

LRS  → 3 kopier i samme datasenter
ZRS  → 3 kopier på tvers av Availability Zones (synkron)
GRS  → LRS + asynkron til sekundær region (LRS der)
GZRS → ZRS + asynkron til sekundær region (LRS der)
RA-GRS/RA-GZRS → Tillegg: lesetilgang til sekundær region

Replikeringsvalg per AI-komponent

AI-komponent	Anbefalt replikering	Begrunnelse
Azure Blob Storage (dokumenter)	GZRS / RA-GZRS	Best balance mellom tilgjengelighet og DR
Azure Cosmos DB (state/session)	Multi-region writes	Automatisk geo-replikering med ~0 RPO
Azure SQL Database	Active geo-replication	Asynkron med ~5 sek RPO
Azure AI Search indekser	Manuell dual-indexing	Ingen innebygd replikering
Azure OpenAI (modell-config)	IaC-basert redeploy	Stateless tjeneste
Azure Key Vault	Automatisk failover	Microsoft-managed geo-replikering

Active-Active og Active-Passive mønstre

Active-Active pattern

I et Active-Active oppsett er begge regioner aktive og mottar trafikk. Dette krever:

• Identisk infrastruktur i begge regioner
• Load balancer for trafikk-distribusjon
• Konflikthåndtering for samtidige skrivinger

┌──────────────┐     ┌────────────────┐     ┌──────────────┐
│   Brukere    │────▶│  Azure Front   │────▶│ Region A     │
│              │     │  Door / TM     │     │ (Active)     │
│              │     │  Latency-based │────▶│ Region B     │
│              │     │  routing       │     │ (Active)     │
└──────────────┘     └────────────────┘     └──────────────┘

Azure Cosmos DB Active-Active eksempel:

# Opprett Cosmos DB konto med multi-region writes
az cosmosdb create \
  --name "cosmos-ai-state" \
  --resource-group "rg-ai-prod" \
  --locations regionName="norwayeast" failoverPriority=0 isZoneRedundant=true \
  --locations regionName="swedencentral" failoverPriority=1 isZoneRedundant=true \
  --enable-multiple-write-locations true \
  --default-consistency-level "Session"

# Verifiser replikering
az cosmosdb show \
  --name "cosmos-ai-state" \
  --resource-group "rg-ai-prod" \
  --query "writeLocations[].{Region:locationName, Status:failoverPriority}"

Active-Passive pattern

Active-Passive er mer kostnadseffektivt og enklere å implementere. Primærregionen håndterer all trafikk; sekundærregionen overtar kun ved failover.

Warm Standby varianter:

Variant	Sekundær region	RTO	Kostnad
Hot Standby	Full kapasitet, mottar replikert data	Sekunder	Høyest
Warm Standby	Minimal kapasitet, auto-scales ved failover	Minutter	Middels
Cold Standby	Kun IaC-templates, ingen kjørende ressurser	Timer	Lavest

# Active-Passive med Azure Traffic Manager health probes
# Bicep template for Traffic Manager profil
"""
resource trafficManagerProfile 'Microsoft.Network/trafficmanagerprofiles@2022-04-01' = {
  name: 'tm-ai-service'
  location: 'global'
  properties: {
    profileStatus: 'Enabled'
    trafficRoutingMethod: 'Priority'
    monitorConfig: {
      protocol: 'HTTPS'
      port: 443
      path: '/health'
      intervalInSeconds: 10
      timeoutInSeconds: 5
      toleratedNumberOfFailures: 3
    }
    endpoints: [
      {
        name: 'primary-norwayeast'
        type: 'Microsoft.Network/trafficmanagerprofiles/azureEndpoints'
        properties: {
          targetResourceId: primaryAppService.id
          priority: 1
          weight: 1
        }
      }
      {
        name: 'secondary-swedencentral'
        type: 'Microsoft.Network/trafficmanagerprofiles/azureEndpoints'
        properties: {
          targetResourceId: secondaryAppService.id
          priority: 2
          weight: 1
        }
      }
    ]
  }
}
"""

Konsistensmodeller og eventual consistency

CAP-teoremet og AI-systemer

AI-systemer må velge mellom konsistens (C), tilgjengelighet (A) og partisjontoleranse (P). For de fleste AI-workloads er eventual consistency akseptabelt.

Cosmos DB konsistensmodeller

Modell	Garanti	Latens	Anbefalt for
Strong	Lineariserbar	Høyest	Finansielle transaksjoner
Bounded Staleness	K versjoner eller T tid	Høy	Leaderboard, tellere
Session	Konsistent innen sesjon	Middels	Chatbot state (anbefalt)
Consistent Prefix	Aldri out-of-order	Lav	Aktivitetslogg
Eventual	Ingen garanti om rekkefølge	Lavest	Analytics, rapportering

// C# eksempel: Session consistency for AI chatbot state
using Microsoft.Azure.Cosmos;

var cosmosClient = new CosmosClient(
    connectionString,
    new CosmosClientOptions
    {
        ConsistencyLevel = ConsistencyLevel.Session,
        ApplicationPreferredRegions = new List<string>
        {
            Regions.NorwayEast,
            Regions.SwedenCentral
        }
    });

// Hent session token fra response
var response = await container.ReadItemAsync<ConversationState>(
    id: sessionId,
    partitionKey: new PartitionKey(userId));

string sessionToken = response.Headers.Session;

// Bruk session token for konsistent lesing i neste request
var options = new ItemRequestOptions { SessionToken = sessionToken };

Konfliktløsningsstrategier

Last-Writer-Wins (LWW)

Standard konflikthåndtering i Cosmos DB. Basert på _ts (timestamp) feltet — siste skriving vinner.

Custom conflict resolution

// Cosmos DB custom conflict resolution stored procedure
function resolveConflict(incomingRecord, existingRecord, isTombstone, conflictingRecords) {
    // For AI chatbot: merge conversation history
    if (incomingRecord.messageHistory && existingRecord.messageHistory) {
        // Kombiner meldingshistorikk fra begge regioner
        var merged = existingRecord.messageHistory.concat(
            incomingRecord.messageHistory.filter(
                m => !existingRecord.messageHistory.some(e => e.id === m.id)
            )
        );
        // Sorter kronologisk
        merged.sort((a, b) => new Date(a.timestamp) - new Date(b.timestamp));
        existingRecord.messageHistory = merged;
        existingRecord._ts = Math.max(incomingRecord._ts, existingRecord._ts);
    }

    var context = getContext();
    var collection = context.getCollection();
    collection.replaceDocument(existingRecord._self, existingRecord);
}

Konfliktmønstre for AI-data

Datatype	Konfliktrisiko	Anbefalt strategi
Brukerpreferanser	Lav	Last-Writer-Wins
Konversasjonshistorikk	Middels	Merge med dedup
Feedback/ratings	Lav	Append-only
Search indeks-oppdateringer	Høy	Source-of-truth rebuild
Model config	Lav	Version-basert (IaC)

Monitoring av replikasjonsforsinkelse og helse

Azure Monitor for replication health

// KQL: Overvåk Cosmos DB replication lag
AzureDiagnostics
| where ResourceProvider == "MICROSOFT.DOCUMENTDB"
| where Category == "DataPlaneRequests"
| summarize
    AvgLatencyMs = avg(duration_s * 1000),
    MaxLatencyMs = max(duration_s * 1000),
    P99LatencyMs = percentile(duration_s * 1000, 99)
    by bin(TimeGenerated, 5m), regionName_s
| order by TimeGenerated desc

// KQL: Azure Storage Last Sync Time for GRS
StorageBlobLogs
| where OperationName == "GetBlobServiceProperties"
| extend lastSyncTime = tostring(parse_json(ResponseBody).GeoReplication.LastSyncTime)
| project TimeGenerated, lastSyncTime, StatusCode
| order by TimeGenerated desc

Alert-regler for replication health

# Azure Monitor alert: Cosmos DB replication lag > 5 sekunder
az monitor metrics alert create \
  --name "cosmosdb-replication-lag-alert" \
  --resource-group "rg-ai-prod" \
  --scopes "/subscriptions/{sub}/resourceGroups/rg-ai-prod/providers/Microsoft.DocumentDB/databaseAccounts/cosmos-ai-state" \
  --condition "avg ReplicationLatency > 5000" \
  --window-size 5m \
  --evaluation-frequency 1m \
  --severity 2 \
  --action-group "ag-oncall-team"

# Azure Storage: Last Sync Time alert
az monitor metrics alert create \
  --name "storage-geo-lag-alert" \
  --resource-group "rg-ai-prod" \
  --scopes "/subscriptions/{sub}/resourceGroups/rg-ai-prod/providers/Microsoft.Storage/storageAccounts/staiprod" \
  --condition "avg GeoReplicationLag > 900" \
  --window-size 15m \
  --evaluation-frequency 5m \
  --severity 2 \
  --action-group "ag-oncall-team"

Dashboard-metrikker

Metrikk	Terskel (Warning)	Terskel (Critical)	Tjeneste
Replication Latency	> 2 sek	> 10 sek	Cosmos DB
Geo Replication Lag	> 5 min	> 15 min	Azure Storage
Last Sync Time age	> 10 min	> 30 min	Azure Storage GRS
Active Geo-Repl lag	> 10 sek	> 60 sek	Azure SQL
Search index sync delta	> 100 docs	> 1000 docs	AI Search (custom)

Referanser

• Azure Storage redundancy — LRS, ZRS, GRS, GZRS-oversikt
• Azure Storage Geo Priority Replication — SLA-backed RPO
• Active geo-replication for Azure SQL Database — SQL Database replikering
• Azure Cosmos DB global distribution — Multi-region writes og consistency
• What are redundancy, replication, and backup? — Grunnleggende konsepter
• Use geo-redundancy to design highly available applications — RA-GRS/RA-GZRS designmønstre
• Multi-region deployments in Azure AI Search — AI Search multi-region

For arkitekten

• Bruk denne referansen når kunden trenger hjelp med å velge replikasjonsmekanismer for AI-løsninger, eller når de designer multi-region arkitekturer.
• Anbefal alltid GZRS (ikke GRS) for AI-workloads der Availability Zones er tilgjengelig — det gir best kombinasjon av intra-region HA og cross-region DR.
• For Cosmos DB: Session consistency er nesten alltid riktig valg for AI chatbots — det gir "read-your-own-writes" uten unødvendig latenskostnad.
• Påminn om at Azure AI Search IKKE har innebygd replikering — multi-region krever manuell dual-indexing eller rebuild fra kilde.
• For data residency: Verifiser alltid at sekundærregionen er innenfor godkjente geografiske grenser (Norway East ↔ Sweden Central er typisk godkjent for norske organisasjoner).