01什么是高可用性？首先，我們需要理解什么是高可用？維基百科的定義如下：高可用性（英語(yǔ)：High Availability，縮寫(xiě)為 HA），IT術(shù)語(yǔ)，指系統(tǒng)無(wú)中斷地執(zhí)行其功能的能力，代表系統(tǒng)的可用性程度。是進(jìn)行系統(tǒng)設(shè)計(jì)時(shí)的準(zhǔn)則之一。基本上來(lái)說(shuō)，就是要讓我們的計(jì)算環(huán)境（包括軟硬件）做到full-time的可用性。在架構(gòu)上來(lái)說(shuō)，需要考慮如下設(shè)計(jì)：1. 對(duì)軟硬件的冗余，以消除單點(diǎn)故障。任何系統(tǒng)都會(huì)有一個(gè)或多個(gè)冗余系統(tǒng)做standby。
2. 對(duì)故障的檢測(cè)和恢復(fù)。檢測(cè)故障以及用備份的結(jié)點(diǎn)接管故障點(diǎn)。這也就是failover。
02 高可用的三種模式1、主備模式 主節(jié)點(diǎn)工作，備節(jié)點(diǎn)處于監(jiān)控準(zhǔn)備狀況；當(dāng)主節(jié)點(diǎn)宕機(jī)時(shí)，備節(jié)點(diǎn)接管主節(jié)點(diǎn)的一切工作；待主節(jié)點(diǎn)恢復(fù)正常后，有兩種恢復(fù)方式，一種是自動(dòng)或手動(dòng)方式切回到主節(jié)點(diǎn)；另一種是不切回，以前的主機(jī)淪為備節(jié)點(diǎn)，這種方式一般在云端采用。數(shù)據(jù)的一致性一般是通過(guò)數(shù)據(jù)庫(kù)同步方式解決。案例：天翼云/華為云MySQL數(shù)據(jù)庫(kù)服務(wù)的主備實(shí)例，如下圖所示：2、雙活模式
主節(jié)點(diǎn)和備節(jié)點(diǎn)同時(shí)運(yùn)行，通過(guò)全局負(fù)載均衡器負(fù)載分?jǐn)傇L問(wèn)流量，當(dāng)主節(jié)點(diǎn)機(jī)宕機(jī)時(shí)，備節(jié)點(diǎn)機(jī)立即接管它的一切工作，保證系統(tǒng)不間斷運(yùn)行；主備節(jié)點(diǎn)一般是共享主節(jié)點(diǎn)的數(shù)據(jù)庫(kù)實(shí)例，備節(jié)點(diǎn)數(shù)據(jù)庫(kù)實(shí)例同步主節(jié)點(diǎn)實(shí)例，可提供只讀服務(wù)。案例：招商局的同城雙活災(zāi)備系統(tǒng)就是該模式，可參考鏈接：百年招商局大轉(zhuǎn)型，“雙云”混合繼往開(kāi)來(lái)http://www.sohu.com/a/225597241_122592
3、集群模式
多個(gè)節(jié)點(diǎn)構(gòu)成集群，一起工作，有如下特點(diǎn)：多主架構(gòu)，去中心化；集群不同節(jié)點(diǎn)之間數(shù)據(jù)實(shí)時(shí)同步，沒(méi)有延遲；在出現(xiàn)數(shù)據(jù)庫(kù)故障時(shí)，因支持多點(diǎn)寫(xiě)入，切換容易；在服務(wù)期間，可支持節(jié)點(diǎn)增加或刪除的“熱插拔”；集群的維護(hù)，對(duì)應(yīng)用程序是透明的。案例：天翼云/華為云分布式緩存集群實(shí)例，其架構(gòu)圖如下所示：所有的redis節(jié)點(diǎn)彼此互聯(lián)；客戶端與redis節(jié)點(diǎn)直連,不需要中間proxy層；客戶端不需要連接集群所有節(jié)點(diǎn),連接集群中任何一個(gè)可用節(jié)點(diǎn)即可。
03 IT基礎(chǔ)設(shè)施的高可用1、網(wǎng)絡(luò)高可用由于網(wǎng)絡(luò)存儲(chǔ)的快速發(fā)展，網(wǎng)絡(luò)冗余技術(shù)被不斷提升，提高IT系統(tǒng)的高可用性的關(guān)鍵應(yīng)用就是網(wǎng)絡(luò)高可用性，網(wǎng)絡(luò)高可用性是通過(guò)匹配冗余的網(wǎng)絡(luò)設(shè)備實(shí)現(xiàn)網(wǎng)絡(luò)設(shè)備的冗余，達(dá)到高可用的目的。比如冗余的交換機(jī)，冗余的路由器等2、服務(wù)器高可用服務(wù)器高可用主要使用的是服務(wù)器集群軟件或高可用軟件來(lái)實(shí)現(xiàn)。3、存儲(chǔ)高可用使用軟件或硬件技術(shù)實(shí)現(xiàn)存儲(chǔ)的高度可用性。其主要技術(shù)指標(biāo)是存儲(chǔ)切換功能，數(shù)據(jù)復(fù)制功能，數(shù)據(jù)快照功能等。當(dāng)一臺(tái)存儲(chǔ)出現(xiàn)故障時(shí)，另一臺(tái)備用的存儲(chǔ)可以快速切換，達(dá)一存儲(chǔ)不停機(jī)的目的。
04 高可用性的度量系統(tǒng)可用性一般用n個(gè)9來(lái)度量，9越多代表全年服務(wù)可用時(shí)間越長(zhǎng)服務(wù)更可靠，停機(jī)時(shí)間越短，反之亦然。下表提供了n個(gè)9對(duì)應(yīng)的年、月、周、天的宕機(jī)時(shí)間：
宕機(jī)時(shí)間是怎么計(jì)算的呢？宕機(jī)時(shí)間顧名思義就是不可用時(shí)間，比如，可用性為99.999%（5個(gè)9），不可用性為1-99.999%=0.001%，我們算一下按照“年”來(lái)度量的宕機(jī)時(shí)間如下：365天*24小時(shí)*60分鐘*（1-99.999%）≈5.26分/年。可信云官網(wǎng)列出的天翼云主機(jī)的業(yè)務(wù)可用性指標(biāo)為99.95%，我們計(jì)算一下宕機(jī)時(shí)間：365天*24小時(shí)*（1-99.95%）≈4.38小時(shí)/年。在線系統(tǒng)和執(zhí)行關(guān)鍵任務(wù)的系統(tǒng)，比如金融系統(tǒng)，通常要求其可用性要達(dá)到5個(gè)9標(biāo)準(zhǔn)(99.999%)。
05 數(shù)據(jù)一致性問(wèn)題高可用系統(tǒng)，細(xì)節(jié)之處全是魔鬼，冗余結(jié)點(diǎn)最大的難題就是數(shù)據(jù)復(fù)制的數(shù)據(jù)一致性保證。冗余數(shù)據(jù)所帶來(lái)的一致性問(wèn)題是魔鬼中的魔鬼：如果主備節(jié)點(diǎn)數(shù)據(jù)復(fù)制是異步的，那么在failover的時(shí)候就會(huì)出現(xiàn)數(shù)據(jù)差異的情況。如果主備節(jié)點(diǎn)數(shù)據(jù)復(fù)制是同步的，那么就會(huì)導(dǎo)致冗余結(jié)點(diǎn)越多性能越慢。所以，很多高可用系統(tǒng)都是在做各種取舍，如果我們對(duì)數(shù)據(jù)庫(kù)的性能要求較高，能容忍一定的數(shù)據(jù)差異，建議采用異步復(fù)制模式；如果要求數(shù)據(jù)的強(qiáng)一致性，能夠容忍一定的性能損耗，建議采用同步復(fù)制模式，比如銀行賬號(hào)的余額真實(shí)體現(xiàn)了賬戶的結(jié)余，不能允許主備節(jié)點(diǎn)賬號(hào)余額不一致，此時(shí)就必需做到強(qiáng)一致性。
06 高可用性總結(jié)要做到服務(wù)高可用，就必需要有備用（復(fù)本），無(wú)論是應(yīng)用結(jié)點(diǎn)還是數(shù)據(jù)結(jié)點(diǎn)要做到復(fù)制，就會(huì)有數(shù)據(jù)一致性的問(wèn)題，要根據(jù)業(yè)務(wù)場(chǎng)景來(lái)取舍我們不可能做到100%的高可用，也就是說(shuō)，我們能做到幾個(gè)9個(gè)的SLA我們很難計(jì)算出系統(tǒng)有多少的可用性，因?yàn)橛绊懸粋€(gè)系統(tǒng)的因素實(shí)在是太多了，除了軟件設(shè)計(jì)，還有硬件，還有第三方的服務(wù)（如電信聯(lián)通的寬帶SLA），當(dāng)然包括“建筑施工隊(duì)的挖掘機(jī)”。要真正保障系統(tǒng)的高可用性，是一件很難的事情，就算是3個(gè)9的可用性，一個(gè)月的宕機(jī)時(shí)間也只有40多分鐘，即使是排名靠前的云服務(wù)商，也經(jīng)常需要人肉處理故障， 一個(gè)故障處理1個(gè)多小時(shí)甚至2-3個(gè)小時(shí)，也是正常情況，當(dāng)云服務(wù)商在官網(wǎng)上聲明自己的SLA是3個(gè)9或是5個(gè)9，要切實(shí)提高自己的自動(dòng)化運(yùn)維處理故障的能力，不然客戶會(huì)拿著官網(wǎng)的SLA來(lái)索賠。