10 网站可用性的度量与考核

2011年4月12 B ,亚马逊云计算服务EC2 ( Elastic Computer Cloud )发生故障，其 ESB ( Elastic Block Storage )服务不可用，故障持续了数天，最终还是有部分数据未能恢 复。这一故障导致美国许多使用亚马逊云服务的知名网站(如：Foursquare, Quora )受 到影响，并引发了人们对使用云计算安全性、可靠性的大规模讨论。

2010年1月12日，百度被黑客攻击，其DNS域名被劫持，导致百度全站长达数小
时不可访问。该事件一时成为新闻焦点，各种媒体争相报道。

网站的可用性(Availability )描述网站可有效访问的特性(不同于另一个网站运营指 标：Usability,通常也被译作可用性，但是后者强调的是网站的有用性，即对最终用户的 使用价值)，相比于网站的其他非功能特性，网站的可用性更牵动人们的神经，大型网站 的不可用事故直接影响公司形象和利益，许多互联网公司都将网站可用性列入工程师的 绩效考核，与奖金升迁等利益挂钩。

网站的页面能完整呈现在最终用户面前，需要经过很多个环节，任何一个环节出了 问题，都可能导致网站页面不可访问。DNS会被劫持、CDN服务可能会挂掉、网站服务器可能会宕机、网络交换机可能会失效、硬盘会损坏、网卡会松掉、甚至机房会停电、 空调会失灵、程序会有Bug、黑客会攻击、促销会引来大量访问、第三方合作伙伴的服务 会不可用……要保证一个网站永远完全可用几乎是一件不可能完成的使命。

---

1 网站可用性度量

网站不可用也被称作网站故障，业界通常用多少个9来衡量网站的可用性，如QQ的
可用性是4个9,即QQ服务99.99%可用，这意味着QQ服务要保证其在所有运行时间中, 只有0.01%的时间不可用，也就是一年中大约最多53分钟不可用。

网站不可用时间（故障时间）=故障修复时间点-故障发现（报告）时间点

网站年度可用性指标=（1-网站不可用时间/年度总时间）xl00%

对于大多数网站而言，2个9是基本可用，网站年度不可用时间小于88小时；3个9 是较高可用，网站年度不可用时间小于9小时；4个9是具有自动恢复能力的高可用，网 站年度不可用时间小于53分钟；5个9是极高可用性，网站年度不可用时间小于5分钟。

由于可用性影响因素很多，对于网站整体而言，达到4个9,乃至5个9的可用性， 除了过硬的技术、大量的设备资金投入和工程师的责任心，还要有个好运气。

常使用Twitter的用户或多或少遇到过那个著名的服务不可用的鲸鱼页面，事实上， Twitter网站的可用性不足2个9。

---

2 网站可用性考核

可用性指标是网站架构设计的重要指标，对外是服务承诺，对内是考核指标。从管 理层面，可用性指标是网站或者产品的整体考核指标，具体到每个工程师的考核，更多 的是使用故障分。
所谓故障分是指对网站故障进行分类加权计算故障责任的方法。表5.1为某网站故障分类权重表。

故障分的计算公式为：
故障分=故障时间（分钟）x故障权重

在年初或者考核季度的开始，会根据网站产品的可用性指标计算总的故障分，然后 根据团队和个人的职责角色分摊故障分，这个可用性指标和故障分是管理预期。在实际 发生故障的时候，根据故障分类和责任划分将故障产生的故障分分配给责任者承担。等 年末或者考核季度末的时候，个人及团队实际承担的故障分如果超过了年初分摊的故障 分，绩效考核就会受到影响。

一个简化的故障处理流程如图5.1所示。

有时候一个故障责任可能由多个部门或团队来承担，故障分也会相应按责任分摊到 不同的团队和个人。

不同于其他架构指标，网站可用性更加看得见摸得着，跟技术、运营、相关各方的 绩效考核息息相关，因此在架构设计与评审会议上，关于系统可用性的讨论与争执总是 最花费时间与精力的部分。

当然，不同的公司有不同的企业文化和市场策略，这些因素也会影响到系统可用性 的架构决策，崇尚创新和风险的企业会对可用性要求稍低一些；业务快速增长的网站忙 于应对指数级增长的用户，也会降低可用性的标准；服务于收费用户的网站则会比服务 于免费用户的网站对可用性更加敏感，服务不可用或关键用户数据丢失可能会导致收费 用户的投诉甚至引来官司。