分布式系統的那些事兒（五）-容錯與故障

我們都經歷過巨石應用，單一應用某個功能誘發的故障導致整個站點掛掉，任何人都無法訪問，只能一一排錯再部署上線，這樣造成的影響就是用戶的流失。而分布式應用就沒有這樣的問題，就算某個節點出現故障，那麼主備切換，替換主節點，整個系統還是照樣運行，完全沒有訪問不了的現象。

要使系統達到一定的容錯性，那麼

首先要實現的就是高可用，最簡單的就是進行節點集群化，使用心跳機制讓好的節點替換壞的節點。

其次要保證系統的穩定性，如果運維有事沒事上去重啟一次，這樣也不太好吧（其實很多應用在一開始都是每周重啟一次的）

然後整個系統平台的安全性當然要提高，比如防CSRF攻擊，防IIS攻擊等等，安全性一旦提高系統崩潰的幾率也相應降低。

最後就是系統的可維護性，這個在我看來是最高級別的，一旦系統難以維護，那麼開發人員以及運維人員的工作量是巨大的，甚至會出現有人不想維護而離職不幹，這都是會發生的情況，所以一個系統的可維護性非常考驗架構師的能力。

對於故障的分類有代碼級別的，也有硬體方面的，硬體的故障咱們姑且不說，而代碼方面的故障我們要做的就是日誌分析了，設置好日誌級別，在很多發生業務的地方會產生大量的日誌，這個時候就需要ELK來進行分析了，通過日誌來解決代碼放的bug，也是必要的。

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！