從事信息化產(chǎn)業(yè)研究多年，身邊不乏熟悉的IT技術(shù)廠商。在與他們的技術(shù)專家交流過程中經(jīng)常會聊到產(chǎn)品可用性問題。這時他們會說自己的產(chǎn)品有多好，可用性高達(dá)“5個9”。那么，“5個9”到底有多牛？

按照年度可用性計算：365天x24小時x60分鐘x99.999%=5.256分鐘。換句話講，他們的產(chǎn)品允許一年非計劃停機(jī)時間約為5分鐘，厲害不厲害？當(dāng)然厲害?？捎眯詨騿?？我看未必。隨著企業(yè)數(shù)字化轉(zhuǎn)型升級，更復(fù)雜的業(yè)務(wù)需求對服務(wù)器可用要求將越來越高，甚至根本不允許任何非計劃停機(jī)。因此，僅僅是高可用性，其實(shí)是滿足不了日趨智能化的工業(yè)時代需求。

按照高可用性的定義，本質(zhì)是允許非計劃內(nèi)停機(jī)出現(xiàn)的，只是盡可能通過技術(shù)手段來減少停工時間，保持服務(wù)的高度可用性。

目前高可用性對停機(jī)劃分分為兩種，一是不可修復(fù)系統(tǒng)，系統(tǒng)的平均壽命指系統(tǒng)發(fā)生失效前的平均工作（或存儲）時間或工作次數(shù)，也稱為系統(tǒng)在失效前的平均時間，記為MTTF（Mean Time To Failure）。二是可修復(fù)系統(tǒng)，系統(tǒng)的壽命是指兩次相鄰失效（故障）之間的工作時間，而不是指整個系統(tǒng)的報廢時間。平均壽命即是平均無故障時間，也稱為系統(tǒng)平均失效間隔，記為MTBF（Mean Time Between Failure）。可修復(fù)產(chǎn)品的平均修復(fù)時間，就是從出現(xiàn)故障到修復(fù)中間的這段時間記為MTTR（Mean Time To Repair）平均修復(fù)時間。MTTR越短表示易恢復(fù)性越好。

那么，容錯性和高可用性有什么區(qū)別？容錯性指的是故障容許度（Fault tolerance），是使系統(tǒng)在部分組件（一個或多個）發(fā)生故障時仍能正常運(yùn)作的能力。容錯性能保障即使系統(tǒng)組件出現(xiàn)故障，也能快速的切換到備用系統(tǒng)，并保證系統(tǒng)的正常運(yùn)營能力。對比高可用性強(qiáng)調(diào)恢復(fù)能力，容錯性是不允許這種情況發(fā)生，其目標(biāo)是預(yù)防故障，做到即使出現(xiàn)故障也能快速切換，保證業(yè)務(wù)系統(tǒng)正常運(yùn)行。

在傳統(tǒng)信息化時代，服務(wù)器主要承載的是對可用性和可靠性要求不高的業(yè)務(wù)應(yīng)用，如ERP、OA、CRM或MES等。隨著智能制造的推進(jìn)，傳統(tǒng)業(yè)務(wù)系統(tǒng)向工業(yè)現(xiàn)場延伸，服務(wù)器正在承擔(dān)起越來越多的場景功能，這些場景不僅智能化程度越來越高，計算需求越來越密集，而且對實(shí)時性要求也很高。

比如在工業(yè)智能化控制系統(tǒng)中根本不允許出現(xiàn)任何故障問題，因?yàn)檫@可能帶來一系列重大工業(yè)安全事故。在無人自動化駕駛系統(tǒng)中，時刻需要采集和分析周邊環(huán)境數(shù)據(jù)并進(jìn)行實(shí)時分析，及時反饋到中控系統(tǒng)以保障自動駕駛過程的安全。因此，時代對硬件性能的要求不同了。作為服務(wù)器廠商，必須適應(yīng)由故障恢復(fù)到故障預(yù)防的趨勢變化，打造容錯性能更好的服務(wù)器平臺。

在早期計算機(jī)系統(tǒng)不是特別可靠的情況下，為做到故障預(yù)防，企業(yè)通常采用的是雙機(jī)容錯機(jī)制，即購買兩臺配置完全一樣的服務(wù)器冗余級聯(lián)，一旦主機(jī)出現(xiàn)故障，就快速切換到從機(jī)上，從而保證業(yè)務(wù)的正常運(yùn)營。但這種部署方式不僅成本高、效率低，而且實(shí)施過程十分復(fù)雜，一旦出現(xiàn)斷電等意外情況，就完全無抵抗力。

那么，怎么才能保證在部署成本更低、實(shí)施更簡單的前提下，讓系統(tǒng)具備更好的容錯性能？全球容錯技術(shù)領(lǐng)導(dǎo)廠商Stratus是這么做的！

上圖是Stratus公司打造的一種全面集成的持續(xù)可用性平臺——ftServer，為企業(yè)關(guān)鍵應(yīng)用提供更穩(wěn)定可靠的平臺。

為保障平臺的高可靠性和可用性，ftServer通過部署一對冗余節(jié)點(diǎn)，兩個相同的客戶可更換單元（CRU）——其中每一個客戶可更換單元均有自己的處理器、內(nèi)存和存儲。所有冗余組件和子系統(tǒng)打包為單一系統(tǒng)，從而降低了許可成本并簡化了管理。

Stratus具有獨(dú)特的冗余現(xiàn)場可編程門陣列、數(shù)據(jù)路徑和同步固件，即使硬件組件出現(xiàn)故障，也能夠提供確保持續(xù)可用性所需的處理器同步、數(shù)據(jù)復(fù)制和邏輯，系統(tǒng)會在不同節(jié)點(diǎn)間自動復(fù)制數(shù)據(jù)。一個節(jié)點(diǎn)發(fā)生故障時，運(yùn)行在上面的虛擬機(jī)會自動在另一個節(jié)點(diǎn)上重啟（高可用性模式）或恢復(fù)（容錯模式）。

同時，為增強(qiáng)平臺的兼容性并降低成本，ftServer不僅使用通用化的x86芯片組、DIMM和驅(qū)動器，還使用標(biāo)準(zhǔn)分發(fā)包裝的操作系統(tǒng)和虛擬化軟件，從而簡化了管理并縮短了價值實(shí)現(xiàn)時間。ftServer自動化的自監(jiān)控、告警、自診斷和補(bǔ)救功能是通過主動服務(wù)架構(gòu)實(shí)現(xiàn)的。通過簡化ftServer監(jiān)控和管理，以及篩選需要釆取行動的問題，Stratus可節(jié)省公司時間以及減少工作量。

為盡可能減少停機(jī)維護(hù)時間，ftServer旨在實(shí)現(xiàn)服務(wù)性，它的可熱插拔CRU無需關(guān)閉系統(tǒng)即可拔下，并且無需使用特殊工具即可更換。這一點(diǎn)以及自動數(shù)據(jù)重新同步使ftServer適于在遠(yuǎn)程制造位置或IT資源有限的位置部署。

對IT硬件系統(tǒng)而言，沒有絕對的可靠性，只有相對的可用性。容錯性的目標(biāo)是預(yù)防故障，可用性的目標(biāo)是恢復(fù)故障，目標(biāo)雖然不一致，但是殊途同歸。隨著工業(yè)智能化時代的開啟，就當(dāng)前企業(yè)需求看，“預(yù)防故障”顯然比“故障恢復(fù)”更有吸引力，因?yàn)樵诓淮_定、復(fù)雜性的時代，企業(yè)更希望能提前掌握不可預(yù)知的風(fēng)險，讓一切可控。

原文標(biāo)題：觀察｜漫談高可用性與容錯性

文章出處：【微信公眾號：工業(yè)IoT】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。

責(zé)任編輯：haq