我是非典型理科男号主。 关注后你可以收获最硬核的知识分享， 最有趣的互联网故事
大家好，我是“非典型理科男”。今天跟大家聊聊稳定性建设相关的事情。
稳定性建设思路
我们有三种视角去看待高可用这件事：可用性计算公式、复杂系统理论、交易技术事故定级规范。从不同的视角看待事情，会导致不同的分析路径。
1.可用性计算公式—亚马逊
可用性定义
第一种理解可以从可用性计算公式(Availability Estimate)入手，涉及两个变量：故障概率、故障时长，增大MTBF、减小MTTR。
AvailabilityEstimate=MTBF/(MTBF+MTTR)。MTBF：theMeanTimeBetweenFailure，MTTR：MeanTimetoRecover
提高可用性三种方法
主要包含减少故障发生概率、减少故障恢复时间、制造故障发生概率（可控的）三个方法
为什么会需要人为制造故障发生概率？因为故障发生相应频次较低，没有办法很好地提前发现故障，而制造故障本质则能帮助解决。减少故障发生概率是know unnkown的做事, 制造故障发生概率是unkown unkown的做事。
从这三个策略推导的一些主要方法如下图示，参考了亚马逊《AWS Reliability Pillar 2019》。
2.复杂系统理论—Netflix
分布式系统具备复杂系统的一般特征，可以复杂系统理论来研究与指导分布式系统，该想法来自Netflix《Mastering Chaos—A Netflix Guide to Microservices》的启发。Netflix在业内有一系列产生重大影响的稳定性开源产品，包含Hystrix、Chaos Monkey、Zuul、aws-autoscaling等。
依据《What is a Complex System(James Ladyman etc.)》论文对复杂系统定义的研究，复杂系统的特征之一是系统主要维护 “无序性（disorder） vs. 鲁棒性（robust order）”这对矛盾的平衡稳定。当系统突破临界值、就会产生更大的disorder。从这对矛盾出发、有两个思路：既可以通过模拟环境增加无序性、激化矛盾，也可以增加稳定性能力鲁棒性、减少矛盾。
复杂理论的原则可概括为：随机、依赖和规模是影响系统稳定性的三大因素，分治、自治、反馈是守正之法，无序是出奇之法。从该原则推导的主要方法如下图所示。
3.交易技术事故障驱动—蚂蚁金服
影响事故定级的因素主要是两大类：资金损失、体验损失。
从避免资金损失、体验损失这两个策略归纳的一些主要方法，如下图所示。鉴于蚂蚁金服在金融领域的行业影响力，主要参考了蚂蚁金服TRaaS技术风险防控平台、将高可用与资金安全相结合。资金安全也是影响系统稳定性的一个重要因素。
交易事故拆解的稳定性方法（灰色部分源自《蚂蚁金服 TRaaS 技术风险防控平台》）
稳定性建设成熟度模型
稳定性建设设计方方面面的东西， 不能胡子眉毛一块抓。 需要定义稳定性的成熟度模型。
按照不同稳定性阶段重点实施相关措施。
稳定性核心是围绕风险管理，即RMMM(Risk Mitigation 风险预防， Risk Monitoring 风险监控，Risk Management and planning : 风险管理）
参照IIRM风险认证对于风险成熟度水平，可以将稳定性成熟度分为5个等级。
根据上面分享成熟度标准制定，不同成熟度模型对应的IT措施。
参考内容
人生杂谈
稳定性系列
架构设计
工程实践
Redis相关
Mysql
Mysql执行DDL操作怎么才能防止锁表，这篇文章值得读一读
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
