如何设计高可用系统之故障隔离

作者：大谷

什么是故障

简单来说，当功能或性能不符合预期，就是故障。

故障有两个比较重要的衡量指标：

RPO（Recovery Point ive）：主要指的是业务系统能容忍的最大数据丢失量，针对的是数据丢失。对于资金业务来说，一般 RPO 不能大于 0 的。

RTO（Recovery Time ive）： 主要指的是所能容忍的所业务停止服务的最长时间，针对的是服务丢失。

从单系统的角度看故障

一个系统，从头到脚，有非常多的故障点，所以，对于一个分布式系统来说，一定要假定故障是随时、而且一定会发生的。

故障隔离的目的

减少故障的方式有多种，包括系统优化、监控、风险扫描、链路分析、变更管控、故障注入演练、故障隔离等。故障隔离是其中一种手段，并且要求在系统设计时就需要考虑清楚。

从系统的角度看

故障隔离是指在系统设计的时候，要尽可能