① 一句话秒懂

系统弹性、高可用与容错（Resilience / HA / Fault Tolerance）的核心就一句话：消除单点故障（SPOF），让关键系统在 adverse 事件下仍能维持服务——靠 RAID、failover 集群、UPS/发电机，并用”几个九”量化可用性。

② 生活类比

  • SPOF（单点故障） = 整条生产线只有一台关键机器，它一坏全停。
  • RAID = 多块硬盘互相备份，坏一块照样转。
  • Failover 集群 = 两台服务器互为备胎，主的一挂，备的自动顶上（还能 failback 修好归位）。
  • 可用性”几个九” = 一年允许的停机时间：99.9%（三月44分）、99.999%（五月26秒）。

③ 核心概念

三个概念辨析

  • Single Point of Failure（SPOF）：任一能使整个系统失效的组件（单盘、单 DB 服务器）。
  • System Resilience（系统弹性）： adverse 事件下维持可接受服务的能力；或事件后回到先前状态（如 failover 后原机修好 failback）。
  • Fault Tolerance（容错）：遭受故障仍继续运行，靠冗余组件（RAID 磁盘、failover 集群）。
  • High Availability（高可用）：用冗余组件在短暂中断后快速恢复，常用负载均衡 + failover 服务器。

可用性量化（”几个九”）

  • 99.9%（三九）：30 天月仅容许 <44 分钟停机。
  • 99.999%（五九）：月仅容许 26 秒停机。越高越难达成。

保护硬盘：RAID

  • RAID-0（条带）：2+ 盘，提性能，无容错。
  • RAID-1（镜像）：2 盘互备，坏一盘仍可运行。
  • RAID-5（带奇偶条带）：3+ 盘，1 盘当量存奇偶，坏 1 盘可重建（变慢）。
  • RAID-6：双分布式奇偶，抗 2 盘失效，最少 4 盘。
  • RAID-10（1+0）：镜像+条带，最少 4 盘（偶数），每镜像至少活 1 盘即可。

    容错 ≠ 备份：RAID 阵列整体被毁/误删数据，无备份即全丢。

硬件 RAID 常带 spare 盘（自动热插拔替换）、支持 hot swapping（不关机换盘）；cold-swappable 需关机。软件 RAID 便宜但降性能。

保护服务器：Failover 集群

2+ 服务器，一台挂了另一台自动接管（failover）。可多服务器、保护多服务。例：DB1/DB2 故障转移集群 + 3 台 Web 服务器网络负载均衡集群（NLB 既增扩展性也提供部分容错）。云 IaaS 也提供 LB + 健康检查的容错。域控制器互复制 AD、数据库复制也是容错法。

保护电源

  • UPS：电池供电 5–30 分钟，撑到逻辑关机或发电机起。
  • Generator（发电机）：长期供电，时长取决于燃料（柴油/天然气/丙烷）；需签燃料供应合同（大灾时燃料紧缺）。
  • 定期自测 UPS、审计接入设备数（别”再加一台”超负载）。

Trusted Recovery（可信恢复）

失败后系统仍如失败前一样安全。fail-secure（失败安全，默认阻断）vs fail-open（失败开放，默认放行）——取决于安全还是可用更重要。 Common Criteria 定义四类可信恢复：

  1. Manual Recovery：需管理员手动恢复。
  2. Automated Recovery：系统自恢至少一类故障（如硬件 RAID 自恢硬盘但不恢整服务器）。
  3. Automated Recovery without Undue Loss：自恢且保护特定对象（从事务日志重建、校验完整性）。
  4. Function Recovery：自动恢复特定功能或回滚到安全状态。 系统恢复应 reboot 到单用户/非特权状态，恢复受影响文件/服务、修正分类标签、校验安全关键文件。

QoS（服务质量）

保护网络在负载下的可用性，管理：Bandwidth、Latency、Jitter、Packet Loss、Interference，并优先低容错/高业务需求流量（如高管视频会议优先于实习生视频流）。

④ 真实案例

某高访问网站用 DB1/DB2 故障转移集群（数据存 RAID 提供磁盘容错）+ 三台 Web 服务器 NLB 集群。任一台 Web 服务器挂了，负载均衡器感知后停发流量给它；DB1 挂了 DB2 自动接管。整个架构没有任何 SPOF，恰是”消除单点故障”的范本。

⑤ 考试怎么考

  • SPOF / Resilience / Fault Tolerance / HA 辨析。
  • RAID 各级（0/1/5/6/10）容错能力与最少盘数；RAID ≠ 备份。
  • “几个九”对应停机时间（三九 44 分/月、五九 26 秒/月）。
  • UPS vs Generator 角色；hot swap vs cold swap。
  • Fail-secure vs Fail-open；Common Criteria 四类可信恢复。
  • QoS 五因素。

⑥ 记忆口诀

“消单点，冗余上：RAID 0 快不防，1 镜 5 奇偶 6 双奇，10 镜条四起；容错非备份，阵列毁全丧。UPS 短时发长时，热插拔冷插关。fail-secure 阻断 fail-open 放，可信恢复分四类。可用性几个九：三九44分五九26秒。”

⑦ 自测

  1. 单点故障（SPOF）、系统弹性、容错、高可用四者的区别是什么？
  2. RAID-0/1/5/6/10 各自的容错能力与最少磁盘数？为什么”RAID 不等于备份”？
  3. 99.9% 与 99.999% 可用性分别对应每月允许多少停机时间？
  4. UPS 与发电机分别提供多长时间的电力？为什么发电机需要燃料供应合同？
  5. Fail-secure 与 Fail-open 的区别是什么？Common Criteria 定义了哪四类可信恢复？
  6. QoS 管理的五个网络因素是什么？
This site uses Just the Docs, a documentation theme for Jekyll.