可用性

什么是高可用

高可用性是互联网系统的一个基本要求，但什么是可用性？简单来说，可用性是系统可用时间的占比，通常用一年中可用时间与总时间的比例来表示。一个系统的可用性越高，就说明这个系统越稳定。

如果一个系统一直都处于可用状态，那这个系统就有较高的可用性(这不废话嘛)。举个例子：如果一个系统一年中不可用的时间不超过5分钟，那这个系统的可用性就是99.999%，简称5个9。

这5个9是如何算出来的呢？我们知道，一年大概525900分钟左右，5分钟占比大约0.001%左右，因此可用性就是1-0.001%=99.999%。

有的同学这里会有疑问：这里做数学计算时，为什么要通过不可用时间来倒推可用性，而不是直接用可用时间除以总时间呢？那是因为在我们实际的工程中，通常统计到的都是不可用时间。如果你接触了实际生产环境的监控，应该就很好理解了。我们的报警系统，触发来源通常都是一些异常场景，比如物理资源耗尽、网络异常等导致系统不可用，而当这些异常消失的时候，报警也随之解除了。因此，统计系统不可用的这段时长，是很简单的事情，直接累加就好了。

但有时候，我们很难严格区分系统是否可用。比如说，一个接口，正常情况下耗时2ms，但由于网络波动，这个接口耗时增加到20S了，那这个接口应该算可用还是不可用呢？针对这个问题，有人提出了响应时间比例的概念：如果一个系统正常运行，且大部分响应时间都不超过一个阈值值，就认为这个系统是可用的。比如说，如果一个系统正常运行，且5分钟内99.9%的响应时间都不超过5ms，则认为这个系统是可用的。

影响可用性的因素

我们应该如何提高系统的可用性呢？有的同学张口就来：让系统运行更稳定一点。但问题是，如何让系统运行更稳定呢？另外，我们手上有大量的方法来提高系统稳定性，但应该从哪个方面入手呢？如果我们有一个数学模型来表示系统可用性，我们就能更好的分析了。

一种思路是，根据系统的平均故障时间(MTBF, mean time before failure)和平均故障恢复时间(MTTR, mean time to recovery)来描系统可用性模型:

A(MTBR,MTTF) = MTBF / (MTBF + MTTR)

此时，要提高系统可用性，就有了两个方向：提高MTBF、降低MTTR。如果MTBF趋于无穷大，则系统可用性趋于1；如果MTTR趋于0，则系统可用性趋于0。

用一个图片来描述，更直观：

更进一步，我们还可以将MTTR再拆分为两部分：平均故障检测时间(MTTD, mean time to detect)和实际的恢复时间。这也为我们的可用性优化工作提供了思路。

多多益善？

系统的可用性是否越高越好呢？显然不是，至少在互联网行业，大多数业务并不需要这么高的可用性。对可用性的追求，必然导致大量的资源投入，也会导致研发效率的降低。

那么多高的可用性才最合适呢？这显然已经不再是一个单纯的技术问题了。

参考：https://orangematter.solarwinds.com/2015/12/21/the-factors-that-impact-availability-visualized/