系統(tǒng)中的容錯能夠涵蓋整個數(shù)據(jù)存儲平臺，從HDD硬盤到SSD硬盤，從RAID到NAS。雖然容錯有很多問題，容錯系統(tǒng)的最終目標是提供安全保護，實現(xiàn)起來更加復(fù)雜。
容錯如何工作?
在最基本的層面上，通過確保系統(tǒng)沒有單點故障，可以將容錯功能構(gòu)建到系統(tǒng)中。如果單個組件停止工作，將導(dǎo)致整個系統(tǒng)完全停止工作，這要求提供容錯功能。
標準系統(tǒng)中的典型單點故障是電源單元(PSU)，其將交流(AC)電源轉(zhuǎn)換為各種電壓的直流(DC)電源以為不同組件供電。如果電源單元(PSU)發(fā)生故障，那么它所支持的所有組件也將失效，通常會導(dǎo)致整個系統(tǒng)發(fā)生災(zāi)難性故障。
容錯通常遵循以下兩種模型之一：
•在某些情況下，遇到故障的容錯系統(tǒng)可能會繼續(xù)正常運行，而不會改變吞吐量、響應(yīng)時間或其他性能指標。
•其他容錯系統(tǒng)在遇到某些故障時，會在性能方面遇到“功能衰退”。也就是說，故障對系統(tǒng)性能的影響將與其嚴重程度成正比。因此，小故障將產(chǎn)生小影響，而不是大影響，也不會導(dǎo)致整個系統(tǒng)發(fā)生故障。即使在發(fā)生一個或多個嚴重故障時，高度容錯系統(tǒng)也將繼續(xù)工作。
安全容錯計劃需要多個數(shù)據(jù)存儲庫以確保冗余。
建立容錯能力
創(chuàng)建容錯的關(guān)鍵目的是避免(或至少盡可能地最小化)系統(tǒng)的功能由于其一個或多個組件中的故障而變得不可用的可能性。
在用于保護人員安全的系統(tǒng)(例如空中交通管制硬件和軟件系統(tǒng))以及安全、數(shù)據(jù)保護和完整性以及高價值交易所依賴的系統(tǒng)中，必須具有容錯能力。
冗余性
為了消除單點故障，并提供容錯功能，容錯系統(tǒng)使用“冗余”概念。實際上，在以上例子中，這將意味著為系統(tǒng)配備一個或多個額外的電源單元(PSU)，這些電源單元(PSU)是冗余的，在主要的電源單元(PSU)正常工作時，它們不需要為系統(tǒng)供電。
但是，如果主要電源單元(PSU)發(fā)生故障(或者檢測到諸如過熱的故障，表明它即將發(fā)生故障)，那么它就可能停止服務(wù)，其中冗余的電源單元(PSU)可以啟動而不會中斷運行整體系統(tǒng)。
在理想情況下，將為系統(tǒng)中的所有組件提供冗余，但實際上成本更加高昂。出于這個原因，設(shè)計人員在選擇最佳候選冗余之前，計算組件發(fā)生故障的可能性、系統(tǒng)的重要程度以及冗余的成本。
另一種方法是采用在系統(tǒng)發(fā)生故障時啟動的備用計算機系統(tǒng)。
多樣性
在某些情況下，可能無法提供冗余，這方面的一個例子是通常來自電網(wǎng)的主要電力供應(yīng)。如果市電發(fā)生故障(可能是由于發(fā)電廠發(fā)生故障或在風(fēng)暴期間電力線路刮斷)，則通常無法接入替代的公共電網(wǎng)。
在這種情況下，容錯可以通過多樣性來實現(xiàn)，這意味著完全從另一個電源獲得電力供應(yīng)——很可能是備用發(fā)電機，在市電故障時自動啟動。
在某些情況下，“多樣化”選項(在這種情況下是發(fā)電機)可能不具有與主要選項相同的容量，這可能需要適當?shù)亟档头?wù)，直到可以恢復(fù)主要選項。
復(fù)制
實現(xiàn)容錯的更復(fù)雜方法是??通過“復(fù)制”。這涉及運行系統(tǒng)或子系統(tǒng)的多個相同版本，并檢查它們的功能總是產(chǎn)生相同的結(jié)果。如果結(jié)果不同，則調(diào)用某些過程來確定哪個系統(tǒng)出現(xiàn)了故障。
最常用的是“民主”系統(tǒng)，因此如果三個系統(tǒng)提供相同的結(jié)果，而第四個系統(tǒng)提供不同的結(jié)果，那么第四個系統(tǒng)被認為是錯誤的。
另一種方法是重新運行已知正確結(jié)果的過程，以檢查哪個系統(tǒng)出現(xiàn)不同的結(jié)果，表明它有故障。
復(fù)制可以在組件級別執(zhí)行，例如，通過使三個處理器全部同時工作，或者可以在系統(tǒng)級別執(zhí)行，同時使用一組相同的計算機系統(tǒng)。
容錯系統(tǒng)的要素
(1)硬件系統(tǒng)
典型的計算機系統(tǒng)或數(shù)據(jù)存儲系統(tǒng)包括中央處理單元(CPU)、系統(tǒng)存儲器(RAM)，諸如硬盤驅(qū)動器的輔助存儲系統(tǒng)，以及電源單元(PSU)、網(wǎng)絡(luò)接口和主板。
為了提供容錯，容錯計算機系統(tǒng)或數(shù)據(jù)存儲系統(tǒng)可以使用各種元件。這包括CPU的復(fù)制、電源單元(PSU)和內(nèi)存的冗余，在某種形式的RAID陣列中配置的硬盤驅(qū)動器，包括冗余和復(fù)制，以及提供備用發(fā)電機的電源多樣性。
容錯網(wǎng)絡(luò)可以由冗余網(wǎng)絡(luò)接口卡(NIC)和/或各種網(wǎng)絡(luò)選項(例如有線LAN NIC和無線LAN適配器)提供。
(2)軟件系統(tǒng)
軟件可以被設(shè)計成容錯的，這樣即使在遇到錯誤、異常或無效輸入時，它也可以繼續(xù)運行，只要它被設(shè)計成能夠處理這些錯誤，而不是默認地報告錯誤和停止。
特別是，諸如TCP/IP之類的網(wǎng)絡(luò)協(xié)議已經(jīng)被明確地開發(fā)出來，以創(chuàng)建容錯網(wǎng)絡(luò)。TCP/IP可以在個別網(wǎng)絡(luò)鏈接或節(jié)點可能意外變得不可用的環(huán)境中繼續(xù)運行。它可以適應(yīng)不同的條件，以便盡可能通過任何可用的路由將數(shù)據(jù)包發(fā)送到目的地。
軟件系統(tǒng)還可以使用復(fù)制來提供容錯功能：可以將一個非常重要的數(shù)據(jù)庫連續(xù)復(fù)制到另一個服務(wù)器，這樣，如果托管主數(shù)據(jù)庫的服務(wù)器出現(xiàn)故障，則可以立即將操作重定向到副本數(shù)據(jù)庫。
或者，可以將某些服務(wù)(尤其是Web服務(wù)器)放在負載平衡器后面，以便多個服務(wù)器都提供相同的服務(wù)。如果一臺服務(wù)器出現(xiàn)故障，那么負載均衡器只會將所有Web請求發(fā)送給其他服務(wù)器，直到修復(fù)故障。
當然，這就引出了這樣一個問題：如果負載均衡器發(fā)生故障，會發(fā)生什么情況?其答案通常是故障轉(zhuǎn)移系統(tǒng)，它會立即將Web請求傳輸?shù)轿挥诹硪粋€位置的服務(wù)器上。由于此故障轉(zhuǎn)移位置的資源可能與主要數(shù)據(jù)中心的資源不同，因此在恢復(fù)正常操作之前，這可能會導(dǎo)致正常降級。
(3)電源
如前所述，許多容錯系統(tǒng)包括多個電源單元(PSU)，以在電源單元(PSU)發(fā)生故障時提供冗余。由于通常無法獲得冗余的主電源，因此大多數(shù)組織都依賴來自替代電源的電源形式。這通常是在市電發(fā)生故障時自動啟動的發(fā)電機，以確保IT硬件、存儲設(shè)備、HVAC和其他系統(tǒng)具有所需的功率。
(4)高可用性與容錯性
高可用性與容錯性的概念之間經(jīng)常存在一些混淆。在最基本的層面上，高可用性指的是遭受最小服務(wù)中斷的系統(tǒng)，而具有容錯性的系統(tǒng)設(shè)計為永遠不會遇到服務(wù)中斷。
在實踐中，這種差異可能很小。許多高可用性系統(tǒng)的目標是所謂的“5個9”或99.999%的正常運行時間，這相當于每年只有幾分鐘的停機時間。
但是，管理這兩個概念的原則是非常不同的。容錯系統(tǒng)旨在檢測故障并修復(fù)問題(可能通過交換冗余組件)而不會中斷，而高可用性系統(tǒng)通常使用標準硬件，旨在在發(fā)生中斷后快速恢復(fù)服務(wù)。
高可用性通常被認為是可接受的而不是容錯的原因通常是成本：在系統(tǒng)中構(gòu)建容錯設(shè)施可能比不時發(fā)生的短暫中斷要昂貴得多。許多組織使用這兩種方法的組合：容錯系統(tǒng)用于最關(guān)鍵的活動，高可用性用于不太重要的活動。
容錯中要考慮的因素
(1)成本
到目前為止，容錯的最大缺點是它導(dǎo)致系統(tǒng)的構(gòu)建遠比容錯系統(tǒng)昂貴得多。這是因為，它們通常需要同一組件的多個版本來提供冗余。
它們還可能需要額外的設(shè)備，如發(fā)電機，即使它們從未使用過，也需要定期維護和測試。其成本不僅是財務(wù)方面的，容錯系統(tǒng)可能會占用更寶貴的數(shù)據(jù)中心空間。
考慮到所涉及的額外硬件，容錯的額外成本在很大程度上是不可避免的。這意味著組織需要仔細考慮容錯與高可用性的優(yōu)勢是否值得付出額外的成本。
(2)質(zhì)量下降
為了減少容錯成本，組織通常幾乎不可避免地接受使用成本較低和質(zhì)量較差的冗余組件，因為單個組件的可靠性不再是關(guān)鍵。這可能導(dǎo)致支持和維護成本增加，并且如果組件質(zhì)量太差，甚至可能使系統(tǒng)整體不如沒有配備容錯的系統(tǒng)可靠。為了避免這種情況，有必要監(jiān)控各個組件的性能和壽命。
(3)測試和故障檢測的難點
就其本質(zhì)而言，容錯使得當系統(tǒng)不能正常工作時更難以發(fā)現(xiàn)，因為組件故障不會導(dǎo)致系統(tǒng)故障。
這意味著通常需要更多的資源來測試和監(jiān)控為容錯而構(gòu)建的系統(tǒng)的健康狀況，在某些情況下，這可能需要開發(fā)或獲取定制軟件或程序以幫助執(zhí)行任務(wù)。
京公網(wǎng)安備 11010502049343號