系统高可用问题

通常情况下，一个系统要么是在线系统，要么是离线系统，离线系统更重视吞吐，而在线系统更重视高可用。而所谓的系统可用性是分多个层级的，通常是按照严重程度进行分层。而衡量高可用的指标通常包括引发可用性的case数量、以及不可用时间。

备注：严重程度可以由损失衡量，功能重要性衡量等。



那么，通常是哪些问题导致系统出现非预期故障？又有哪些手段去保障系统的高可用？

原因通常分为内因与外因，而软件层面的原因通常会从硬件与软件角度考虑。因此，故障原因如下：

内因+软件：软件bug、上线流程不规范、软件某些指标的能力低；

内因+硬件：硬件故障；

外因+软件：网络攻击；

外因+硬件：外部灾害；



常见的解决方案也是针对原因提出的，如下：

牛逼的系统架构设计（解耦、隔离、异步、备份、降级、限流、熔断、异地多活）；

规范的部署流程 + 演练系统 + 监控系统；