Chapter 5 / Reliability

高可靠性
设计

云上也会发生故障。高可靠性设计让系统不易停机、影响更小、能快速恢复。

高可靠性设计图解
以故障必然发生为前提,设计冗余、重试、故障转移与健康检查。
Resiliency

不是消灭故障,而是缩小影响

消除单点故障,检测故障,实现自动或按流程切换。结合 SLA、RTO、RPO 选择恰当配置。

通过冗余减少单点故障。设计重试与超时。实际测试故障转移。

使其不易停机

  • 已找出单点故障。
  • 已考虑使用可用性区域。
  • 按需考虑了区域冗余。

使其易于恢复

  • 已选择符合 RTO 与 RPO 的配置。
  • 已准备切换步骤。
  • 已实际测试恢复步骤。

使其易于发现

  • 已准备健康检查。
  • 已确定异常检测条件。
  • 已确定故障时的通知对象。