39、构建永不停止的分布式系统：容错、恢复与请求处理策略

构建永不停止的分布式系统：容错、恢复与请求处理策略

构建容错系统的基础

要构建一个容错系统，至少需要两台计算机。Erlang 内置的分布式机制、无共享内存以及异步消息传递，为在这些计算机之间复制数据奠定了基础。即便其中一台计算机崩溃，另一台也能接管工作。而且，单节点系统所采用的错误处理、故障隔离和自我修复技术，在多节点系统中同样能发挥巨大作用，这使得我们可以在集群中透明地分布进程，并使用与单节点相同的故障检测技术。相较于使用其他语言编写处理语义差距的库，利用 Erlang 的编程模型创建容错系统更加容易且可预测。不过，需要注意的是，仅依靠 Erlang 本身并不能直接构建出容错系统，但它的编程模型可以，而且所需的工作量远远小于其他现有技术。

系统的可用性

系统的可用性指的是在特定时间段内系统的正常运行时间。高可用性意味着系统的停机时间非常少，包括软件维护和升级期间。虽然有人声称实现了九个九（99.9999999%）的可用性，但这种情况往往难以持久。九个九的可用性意味着每年仅有 31.6 毫秒的停机时间，这比眨眼的时间还要短得多。在实际应用中，使用 Erlang/OTP 通常可以实现 99.999% 的可用性，即每年的停机时间略超过 5 分钟，这其中还包括了升级和维护时间。

高可用性的实现依赖于系统不存在单点故障，并且具备容错性、恢复能力和可靠性。即便系统部分出现故障，仍能提供一定程度的服务，尽管服务水平可能会低于正常水平。接下来，我们将详细探讨这些特性对于正在构建的系统意味着什么。

系统的容错性

容错性是指系统在出现故障时能够做出可预测响应的能力。故障可能由软件错误（如进程因 bug 或状态损坏而崩溃）、网络或硬