Railway-Migration gestoppt: Wann sich der Wechsel lohnt und wann nicht

Abstrakter Strom aus Lichtpartikeln und Datenstroemen im tiefdunklen Raum
Deine Reaktion:

Ein Datenbankimport läuft auf Railway je nach zugrunde liegender Hardware zwischen 71 und 382 Minuten. Das Team von Evil Martians stoppte seine Migration deshalb drei Wochen vor dem geplanten Wechsel, obwohl Runbook, DNS-Vorbereitung und technische Planung bereits abgeschlossen waren. Der Vorgang zeigt, warum ein günstiger und schnell aufbaubarer PaaS nicht automatisch für einen Produktionsbetrieb mit echter Datenbank geeignet ist.

Railway bleibt für viele Workloads eine vernünftige Wahl. Das Team hat andere Anwendungen auf die Plattform gebracht und empfiehlt sie für passende Szenarien weiterhin. Die abgebrochene Migration war jedoch kein Urteil über das Produkt als Ganzes. Sie war eine Folge konkreter Grenzen bei Hardware-Vorhersehbarkeit, Backups, Betriebsaufwand und Replikationsverhalten. Genau diese Punkte müssen vor einer Migration bewertet werden, statt nur den Preis für Compute und Speicher zu vergleichen.

Damit vergleichbar wird, lohnt sich ein Blick auf die Arbeit hinter den angebotenen Bausteinen. Eine Plattform wie Railway verkauft Container, Volumes, Rechenleistung und Netzwerk. Ein belastbarer Produktionsbetrieb verlangt zusätzlich Planung für Datenrettung, Logs, Releases, Datenbanken und Ausfälle. Genau diese Zusatzarbeit war in der ersten Kalkulation des Teams nicht vollständig enthalten.

Warum identische Datenbankimporte so unterschiedlich lange dauern

Railway betreibt eigene physische Server, die als Railway Metal bezeichnet werden. Der Anspruch lautet, dass Anwendungen ohne laute Nachbarn und mit vorhersagbarer Leistung laufen. Die Messungen des Teams aus einer einzigen Woche und mit demselben Tarif zeigten jedoch eine große Spanne: Ein MySQL-Dump benötigte auf einem Metal-Service 382 Minuten, auf einem virtualisierten GCP-Service dagegen nur 71 Minuten. Zwei weitere Metal-Läufe mit einem bereinigten, kleineren Dump kamen auf 97 beziehungsweise 133 Minuten.

Die Messungen bilden keinen sauberen Benchmark innerhalb einer einzigen Hardwareklasse ab. Für die Migration war die Streuung dennoch entscheidend. Weil Railway während einer technischen Umstellung eine alte und eine neue Generation physischer Server einsetzte, konnte das Team nicht sicher sagen, auf welcher CPU die Datenbank während des Wartungsfensters laufen würde. Das Verhalten ähnelte damit einer Lotterie: Bei einem PaaS ist normalerweise die konkrete Maschine nicht Teil des Produkts, für zeitkritische Migrationen kann sie aber zum betrieblichen Risiko werden.

Die alte Generation nutzte Intel-Xeon-Prozessoren von 2021. Die neue Generation basiert auf AMD EPYC mit 96 Kernen und 192 Threads, verfügt über DDR5-Speicher und war zunächst in mehreren US- und europäischen Regionen verfügbar. Da die neuen Server schrittweise in Flotten und Regionen deployt werden, können einzelne Dienste vorübergehend auf unterschiedlichen Generationen laufen. Eine Auswahl der gewünschten Hardwareklasse ist nicht vorgesehen.

Hinzu kommt eine weitere Mischung: Wenn die eigene Kapazität nicht ausreicht, nutzt Railway virtuelle Maschinen von Cloud-Anbietern wie Google Cloud und Amazon Web Services. Laut den im Artikel zitierten Angaben liefen zeitweise 40 Prozent der Workloads auf dieser zusätzlichen Burst-Kapazität. Das war in den Tests sogar die schnellste gemessene Umgebung. Eine Railway-Metal-Instanz kann deshalb praktisch auf einem 2021er Xeon, auf einem 2024er EPYC oder auf virtualisierter Cloud-Hardware laufen. Gerade bei großen SQL-Importen, Batch-Verarbeitungen, Video-Encoding oder rechenintensiver Inferenz ist der ungünstigste Fall wichtiger als der durchschnittliche Preis.

Für normale Webanwendungen fällt diese Unterschiede möglicherweise kaum auf. Ein mehrstündiger Import verändert dagegen direkt das Migrationsfenster, die Wartungsplanung und das Risiko eines erneuten Abbruchs. Genau darum muss die betriebliche Worst-Case-Leistung Teil der Entscheidung sein. Ein Mittelwert aus mehreren Messungen allein reicht nicht, wenn während des kritischen Zeitfensters eine einzelne ungünstige Zuweisung genügt, um den Plan zu sprengen.

Backups und Datenbankwiederherstellung bleiben teamverantwortlich

Railway bietet inzwischen Point-in-Time-Recovery für PostgreSQL sowie eine High-Availability-Vorlage auf Basis von Patroni. Beides sind wichtige Schritte, weil PostgreSQL und MySQL unterschiedliche Unterstützung erhalten. Eine Migration richtet sich jedoch nach dem Stand des aktuellen Tages, nicht nach den geplanten Funktionen des nächsten Quartals. Die vorhandenen Grenzen müssen deshalb bereits im Migrationsplan berücksichtigt werden.

Die PostgreSQL-High-Availability-Lösung ist als Vorlage aufgebaut, nicht als vollständig verwalteter Dienst. Sie besteht aus sieben Containern: drei etcd-Knoten, drei PostgreSQL-Knoten und einem HAProxy. Railway übernimmt das Failover, doch Installation, Aktualisierung und Überwachung liegen beim Team. Das kann eine sinnvolle Architektur sein, aber sie passt nicht zu einem Anspruch, lediglich eine Datenbank anzuhaken und ihre Verfügbarkeit als gelöst zu betrachten.

Für PostgreSQL stehen kontinuierliche WAL-Archivierung und ungefähr vier Wochen Wiederherstellungsfenster zur Verfügung. Andere Datenspeicher wie MySQL, Redis und ClickHouse müssen dagegen mit Volume-Backups und geplanten Sicherungen umgangen werden. Bei scheduled Backups ist nur eine Ausführung pro Tag möglich. Wer für MySQL ein RPO von sechs Stunden benötigt, muss zusätzliche Sicherungs- und Wiederherstellungslogik selbst entwickeln und betreiben.

Auch die API-Grenzen verdienen Aufmerksamkeit. Nach zehn manuellen Backups eines Volumes traten laut Bericht des Teams wiederholt Fehler auf, deren Ursache der Support nicht abschließend erklären konnte. Das ist kein Detail am Rand. Backups sind nur dann nützlich, wenn Erstellung, Katalogisierung und Wiederherstellung zuverlässig funktionieren. Eine theoretisch vorhandene Funktion, die im Betrieb gelegentlich abbricht, muss als eigenes Projekt mit Tests, Monitoring und Verantwortlichkeiten eingeplant werden.

Besonders relevant sind zudem die festen 3.000 Lese- und 3.000 Schreib-IOPS pro Volume. Der Wert bleibt unabhängig von Größe und Tarif gleich, und eine größere, schnellere Ausbaustufe ist nicht vorgesehen. Für eine wachsende Datenbank kann diese Grenze struktureller sein als der zunächst günstigere Preis. Sharding oder ein Wechsel zu einem anderen Anbieter sind dann keine Optimierungen, sondern mögliche Migrationsziele. Der Vergleich muss deshalb vom maximalen Datenbankwachstum ausgehen und darf nicht bei der heutigen Last enden.

Logs und Metriken sind kein vollständiges Observability-Konzept

Railway verfügt über strukturierte JSON-Logs, eine Filterabfrage, HTTP-Protokolle und ein anpassbares Observability-Dashboard. Pro-Pläne können Schwellenwerte über Monitors gemeldet werden, während Webhooks Deployments und Abstürze übertragen. Für die unmittelbare Fehlersuche und die Beobachtung einzelner Dienste ist das eine brauchbare Grundlage.

Für einen längerfristigen Produktionsbetrieb fehlen jedoch zentrale Funktionen. Es gibt keine native Log-Ausleitung in externe Systeme. Um Logs etwa an Datadog, Better Stack oder Axiom weiterzuleiten, muss das Team einen Collector wie Vector, Fluent Bit oder OpenTelemetry selbst betreiben. Damit entstehen zusätzliche Container, Konfiguration, Wartung und laufende Kosten. Die Kosten des Log-Ziels können bei einem mittelgroßen Dienst sogar mit der gesamten Railway-Rechnung vergleichbar werden.

Ausserdem begrenzt die Plattform die Logmenge auf 500 Zeilen pro Sekunde und Replikat. Darüber liegende Daten werden verworfen. Genau die kurze Lastspitze, die nach einem Vorfall am interessantesten wäre, droht damit zu fehlen. Eine Replik kann die Spitze auffangen, doch einzelne Instanzen oder kurzzeitige Engpässe bleiben ein blinder Fleck. Zudem werden Logs je nach Tarif nur 7, 30 oder 90 Tage aufbewahrt; Metriken sind für 30 Tage verfügbar.

Das Team erlebte nach eigener Aussage dreimal den Verlust von Logs über mehrere Stunden. Laut Erklärung des Supports war ein Forwarder auf dem zugrunde liegenden Knoten ausgefallen, sodass die Standardausgabe nicht mehr eingesammelt wurde und die Daten weder in der Konsole noch über die API verfügbar waren. Eine Statusmeldung von Railway dokumentierte im Mai 2026 ebenfalls, dass Build-Logs aus einem betroffenen Zeitfenster dauerhaft fehlen könnten. Dass das Team den Ausfall bemerkte, lag an einer Alarmierung auf die Abwesenheit von Logs. Genau solche Alarme gehören in einen stabilen Produktionsbetrieb.

Die praktische Konsequenz lautet, On-Platform-Logs als Debugging-Hilfe zu behandeln, nicht als Archiv. Von Anfang an sollte eine externe, von Railway unabhängige Kopie eingerichtet werden. Das gilt besonders dann, wenn Logs für Compliance, Audits oder Incident Reviews benötigt werden. Die zusätzliche Arbeit und ihre Kosten sind Teil der Plattformrechnung, auch wenn sie nicht als eigener Railway-Postenpunkt erscheinen.

Rollbacks und Skalierung erfordern menschliche Eingriffe

Railway rollt ein fehlgeschlagenes Deployment nicht automatisch zurück. Die Begründung des Anbieters lautet, fehlerhafte Releases sollten gar nicht erst promotet werden. Dieser Ansatz ist grundsätzlich nachvollziehbar. Mit einem Healthcheck wartet die Plattform auf einen erfolgreichen Status, bevor der Verkehr umgeleitet wird; der vorherige Deployment bleibt dabei aktiv. Schlägt der Start fehl, entsteht kein automatischer Rollback, weil der neue Stand nie live war.

Die schärfere Schwäche liegt im Betrieb nach der Freischaltung. Railway überwacht den Healthcheck-Endpunkt nicht mehr, sobald ein Deployment live ist. Startet ein Dienst zehn Minuten später eine Crash-Loop, greift die Schutzmechanik nicht automatisch. Ein manueller Rollback ist möglich, setzt jedoch voraus, dass jemand den Fehler bemerkt und rechtzeitig handelt. Die ältere Version muss zudem innerhalb der Image-Aufbewahrung des Tarifs liegen: 72 Stunden auf Hobby, 120 Stunden auf Pro.

Bei zustandsbehafteten Diensten mit persistentem Volume können zwei Deployments nicht gleichzeitig auf demselben Volume laufen. Das verhindert Datenbeschädigung, führt aber dazu, dass jedes Release realer Downtime benötigt. Auch ein gesundes Deployment allein löst dieses Problem nicht. Horizontal zu skalieren ist ebenfalls manuell. Vertikales Autoscaling passt sich dagegen bis zu den konfigurierten CPU- und Speichergrenzen an.

Auch Netzwerk- und Verbindungsverhalten verlangt Planung. Bei Services innerhalb Railway wird der Verkehr über internes DNS abgewickelt. Während eines Scale-ups registrierten sich neue Replikate beim Team langsamer, sodass interne Aufrufe zeitweise verzögert waren. Öffentlicher Verkehr wird dagegen regionsnah verteilt. Sticky Sessions gibt es nicht, und das Connection Draining ist standardmäßig auf null Sekunden gesetzt, bis die Option RAILWAY_DEPLOYMENT_DRAINING_SECONDS geändert wird.

Das Muster ist in allen diesen Punkten ähnlich. Railway stellt eine einfache, nützliche Grundfunktion bereit, lässt aber einen Teil der betrieblichen Verantwortung beim Kunden. Genau dort entstehen die wahren Gesamtkosten. Wer eine günstige Plattform sucht, kann davon profitieren. Wer einen vollständig betreuten Datenbankbetrieb erwartet, sollte diese Lücke vor dem Wechsel schließen.

Wachstum verbessert die Plattform und erschwert gleichzeitig den Betrieb

Railway wächst schnell und gewinnt täglich neue Nutzer. Diese Dynamik ist ein Vorteil, weil der Anbieter kontinuierlich neue Funktionen, Regionen und Hardwaregenerationen investieren kann. Sie ist zugleich ein Risiko, denn ein junges Plattformteam muss erst Betriebsprozesse für eine wachsende Flotte etablieren. Im untersuchten Zeitraum traten unter anderem verzögerte interne DNS-Auflösung, langsam registrierende Replikate und ungeplante Ausfälle auf, die nach einer Kapazitätsursache aussahen.

Die im Text beobachtete Latenz zwischen US-Tag- und US-Nachtverkehr unterschied sich um etwa 50 Millisekunden. Eine mögliche Erklärung ist die bereits beschriebene Hardwareverteilung: Während stark ausgelasteter Zeiten greift Railway stärker auf gemietete Cloud-Kapazität zurück. Damit verändert sich nicht nur die Hardware, sondern möglicherweise auch das Netzwerkverhalten zwischen Instanzen und Regionen.

Zusätzlich waren externe Störungen zu verzeichnen. Im Mai 2026 wurde das produktive GCP-Konto von Google vorübergehend suspendiert, was Railway für ungefähr acht Stunden stilllegte. Im Juli fiel eine Verfügbarkeitszone in US East für etwa vier Stunden aus. Solche Ereignisse sind bei einem breit aufgestellten Anbieter nicht vollständig auszuschließen. Die Frage ist nicht, ob sie niemals auftreten, sondern ob die eigene Architektur und der Support für einen solchen Ausfall vorbereitet sind.

Railway reagierte auf die Vorfälle mit einem verteilten Router über Metal-, AWS- und GCP-Kapazitäten sowie mit der Einführung der zweiten Hardwaregeneration. Diese Reaktion ist ein Zeichen technischer Entwicklung. Bis die Plattform die jeweilige Wachstumsphase verlassen hat, muss ihr Reifegrad jedoch im eigenen Risikomodell berücksichtigt werden. Für unkritische Dienste kann das vertretbar sein. Bei einer zentralen Produktionsdatenbank wiegt es anders.

Sieben Fragen vor der nächsten Railway-Migration

Die zentrale Lehre aus dem abgebrochenen Projekt ist nicht, PaaS-Anbieter grundsätzlich zu meiden. Der sinnvolle Ansatz beginnt mit einer Liste offener Fragen, die vor dem Migrationsfenster beantwortet werden müssen. Dazu gehören die Hardware, auf der die Datenbank voraussichtlich läuft, sowie die maximal akzeptierte Importdauer. Auch die Wiederherstellung, das Backupvolumen und die vorgeschriebene Recovery Time Objective gehören in diese Prüfung. Das Team muss entscheiden, ob es diese Anforderungen selbst verantwortet oder einen Anbieter mit vollständig verwalteten Datenbanken bevorzugt.

Die zweite Gruppe betrifft Observability und Releases. Sind externe Log-Ausleitung, Aufbewahrung und Alarmierung eingeplant? Erkennt das Team einen Ausfall, bevor Kunden ihn melden? Wie schnell muss ein fehlerhaftes Deployment zurückgerollt werden, und reicht das Aufbewahrungsfenster dafür? Lässt sich ein Release mit persistentem Volume ohne unakzeptable Ausfallzeit durchführen? Bei horizontaler Skalierung muss außerdem geklärt werden, wie langsam Replikate intern verfügbar werden und ob Anwendungen mit kurzlebigen Verbindungen stabil darauf reagieren.

Schließlich zählt das Ausfallrisiko. Welche Ausfälle sind für die Anwendung tolerable, und welche führen zu Datenverlust oder längeren Ausfällen? Wie schnell antwortet der Support? Welche Komponenten bleiben unabhängig vom PaaS vorhanden? Die Antworten bilden eine ehrliche Gesamtkalkulation. Sie enthalten neben Compute und Speicher auch zusätzliche Container, Monitoring, Backup-Tests, Dokumentation und einen operativen Puffer für Migration und Incident Response.

Railway kann für Anwendungen eine günstige und schnelle Hosting-Option sein. Das Team von Evil Martians empfiehlt die Plattform für geeignete Workloads weiterhin und hat andere Teams darauf platziert. Produktionsfähig wird eine Railway-Migration jedoch nicht durch einen niedrigen Einstiegspreis, sondern durch die Frage, ob die Plattform zur betrieblichen Verantwortung des Teams passt.

Für die konkret betrachtete Rails-Anwendung mit hoher Last und einer wichtigen MySQL-Datenbank war das nicht der Fall. Die unvorhersehbare CPU-Zuweisung während einer laufenden Hardwaremigration, die begrenzten IOPS und der eigene Aufwand für Backups machten das Risiko zu groß. Als Nächstes wird Railway deshalb nicht pauschal bewertet, sondern gegen die tatsächlichen Anforderungen des Workloads geprüft. Genau darin liegt der bleibende Wert des abgebrochenen Projekts: Es hat vor dem produktiven Wechsel eine teure Unsicherheit sichtbar gemacht.

Quelle: evilmartians.com

Deine Reaktion:
Artikel teilen:
Krötzsch-Check0 — 100
Fakten 82
Relevanz 85
Hype 18
Einschätzung 88
Redaktion 50 Stand 50 · noch keine Stimmen
Ist das Hype?
Sebastian Krötzsch
Autor

Sebastian Krötzsch

Sebastian Krötzsch schreibt auf sebask.de über Künstliche Intelligenz, Automatisierung, digitale Systeme und die Frage, was davon im Alltag wirklich nützlich ist. Ohne Buzzword-Nebel, dafür mit klarem Blick auf Praxis, Tools und echte Wirkung.