3、系统可靠性与可扩展性：原理、实践与应对策略

系统可靠性与可扩展性：原理、实践与应对策略

1. 系统可靠性的保障

系统可靠性至关重要，即便非关键应用也需对用户负责。为保障系统可靠性，可采取以下措施：
- 快速恢复机制 ：允许从人为错误中快速轻松恢复，以减少故障影响。例如，快速回滚配置更改，逐步推出新代码（使意外错误仅影响少量用户），并提供重新计算数据的工具（若旧计算有误）。
- 详细监控 ：设置详细清晰的监控，如性能指标和错误率。监控能显示早期预警信号，检查假设或约束是否被违反，问题发生时，指标对诊断问题很有价值。
- 管理与培训 ：实施良好的管理实践和培训，这是复杂且重要的方面。

可靠性不仅适用于核电站和空中交通管制软件，普通应用也需可靠运行。商业应用中的错误会导致生产力损失和法律风险，电商网站的故障会造成巨大的收入损失和声誉损害。在某些情况下，为降低开发或运营成本，可能会牺牲可靠性，但需谨慎权衡。

2. 系统可扩展性概述

即使系统当前可靠运行，未来也可能因负载增加而出现问题。可扩展性描述系统应对增加负载的能力，讨论可扩展性需考虑系统增长时的应对方案和增加计算资源的方法。

2.1 描述负载

需用负载参数简洁描述系统当前负载，参数选择取决于系统架构，如每秒对 Web 服务器的请求数、数据库读写比例等。以 Twitter 为例，其主要操作包括发推文（平均 4.6k 请求/秒，峰值超 12k 请求/秒）和查看主页时间线（300k 请求/秒）。Twitter 的扩展挑战主要源于扇出（fan - out），即用户之间的关注关