看透可靠性看透容錯(cuò)
沙地建樓，搞不好就會(huì) “樓歪歪”。信息化也是如此，沒有可靠性，業(yè)務(wù)也會(huì)沒有保障。據(jù)有關(guān)機(jī)構(gòu)統(tǒng)計(jì)，金融企業(yè)每次宕機(jī)損失平均為1000萬美元，公司聲譽(yù)等無形資產(chǎn)損失更是無法估量。系統(tǒng)可靠性，是信息化應(yīng)用的前提。
為了追求系統(tǒng)可靠性，企業(yè)在信息化建設(shè)上投入大量的資金，從“兩地三中心”，到系統(tǒng)冗余，數(shù)據(jù)備份，目的就是一個(gè)保障系統(tǒng)的安全可靠。對(duì)于關(guān)鍵業(yè)務(wù)應(yīng)用而言，需要系統(tǒng)7×24×365不間斷運(yùn)行，對(duì)可靠性要求為99.999%，也就是全年累計(jì)的宕機(jī)時(shí)間不超過5分鐘。
為了追求可靠性，雙機(jī)冗余是最常采用的解決方案，也就是雙機(jī)熱備。通過采購2套系統(tǒng)，當(dāng)一臺(tái)機(jī)器出現(xiàn)故障的時(shí)候，另外一臺(tái)機(jī)器接替其工作，確保系統(tǒng)不中斷運(yùn)行，兩臺(tái)機(jī)器之間依靠心跳線偵測(cè)進(jìn)行判斷和切換，接管服務(wù)。為了提高投資效率，兩套系統(tǒng)之間盡可能采用互備、主從、并行等不同工作方式。盡管如此，采用雙機(jī)熱備，軟件/硬件投資加倍，增加了用戶負(fù)擔(dān)。更為重要的是，采用心跳線偵測(cè)的方法，有時(shí)候會(huì)出現(xiàn)誤報(bào)的問題，增加了新的不安全的因素。
從技術(shù)上看，雙機(jī)熱備的系統(tǒng)可靠性只有99.9%的水平，全年累計(jì)宕機(jī)時(shí)間不會(huì)超過8.8小時(shí)。要想實(shí)現(xiàn)99.999%，也就是5個(gè)9的水平，只有選用容錯(cuò)服務(wù)器。
容錯(cuò)服務(wù)器的代表廠商是美國的Stratus公司。從1980年Bill Fost創(chuàng)辦Stratus至今，容錯(cuò)服務(wù)器已有30多年歷史。期間容錯(cuò)服務(wù)器得到了很多投資人青睞，英特爾就是Stratus的第2大股東。
與雙機(jī)熱備方案相比，容錯(cuò)容易被用戶忽略，價(jià)格高是其中很重要的原因。以往，容錯(cuò)服務(wù)器以往動(dòng)輒上百萬元，接近了小型機(jī)價(jià)格。高價(jià)位影響了容錯(cuò)的服務(wù)器的推廣應(yīng)用。但隨著x86芯片技術(shù)不斷進(jìn)步，特別是多核技術(shù)的發(fā)展，容錯(cuò)服務(wù)器迎來新的發(fā)展機(jī)遇。以Stratus為首，容錯(cuò)開始拋棄專用芯片，采用x86通用芯片。如今Stratus入門級(jí)產(chǎn)品只需要10多萬元。
單就硬件成本來說，容錯(cuò)還是高于雙機(jī)熱備。但從系統(tǒng)角度來考慮，特別是考慮軟件的成本，容錯(cuò)服務(wù)器是一臺(tái)機(jī)器，操作系統(tǒng)、數(shù)據(jù)庫等軟件只需要購買一套，可以大大節(jié)省軟件的成本。也是因?yàn)檫@個(gè)原因，軟件廠商從商業(yè)利益的角度出發(fā)，不會(huì)幫助Stratus等推廣容錯(cuò)解決方案。軟件廠商更愿意幫助服務(wù)器廠商推廣雙機(jī)熱備的方案，追求雙贏。容錯(cuò)只能是用戶的選擇。
影響系統(tǒng)可靠性的因素非常多，很多并不是雙機(jī)可以解決的。以Windows應(yīng)用為例，常有這樣的用戶體驗(yàn)，重啟Windows有時(shí)候就可以解決問題。其中的原因就在于，無論是CPU、內(nèi)存，還是I/O在計(jì)算或者傳送數(shù)據(jù)過程中，都有可能受到電源波動(dòng)、電磁等因素的干擾，產(chǎn)生錯(cuò)誤的計(jì)算，影響系統(tǒng)可靠性。
只要是關(guān)鍵業(yè)務(wù)需要，無論計(jì)算量的大小，都需要高可靠性。以機(jī)場(chǎng)無人值守“Shuttle”火車為例，全部依靠系統(tǒng)控制，計(jì)算量不大，但要求具有很高可靠性，運(yùn)行時(shí)間、開關(guān)門操控準(zhǔn)確無誤。稍有差池，就會(huì)釀成事故。在鋼鐵、電力、政府等很多應(yīng)用領(lǐng)域，對(duì)于可靠性都具有非常高的要求，容不得半點(diǎn)差池。
在技術(shù)上，借助“鎖步技術(shù)”，容錯(cuò)服務(wù)器可以***程度校正硬件故障。在容錯(cuò)服務(wù)器設(shè)計(jì)上，CPU、內(nèi)存、I/O等，全部采用冗余設(shè)計(jì)，并通過鎖步技術(shù)，對(duì)每個(gè)計(jì)算過程進(jìn)行比對(duì)，準(zhǔn)確無誤才會(huì)進(jìn)入下一個(gè)步驟。因此其系統(tǒng)的可靠性可以達(dá)到5個(gè)9的 水平。
在國際上，容錯(cuò)技術(shù)得到用戶的廣泛認(rèn)可。但在國內(nèi)，用戶受廠商、集成商的影響比較大。從商業(yè)利益考慮，廠商往往不會(huì)主動(dòng)推薦容錯(cuò)技術(shù)，影響了容錯(cuò)在國內(nèi)的發(fā)展。根據(jù)數(shù)據(jù)統(tǒng)計(jì)，國內(nèi)采用容錯(cuò)技術(shù)的用戶尚沒有國外的1/3。此外，關(guān)鍵業(yè)務(wù)應(yīng)用市場(chǎng)規(guī)模大，但單機(jī)數(shù)量小。在出貨量上沒有辦法與PC服務(wù)器相比，市場(chǎng)份額不大，在各種統(tǒng)計(jì)報(bào)表中，容錯(cuò)往往被忽略，客觀上也影響力了用戶對(duì)容錯(cuò)的關(guān)注。
4月23日，亞馬遜云計(jì)算數(shù)據(jù)中心故障為用戶提了個(gè)醒。對(duì)于可靠性是沒有辦法完全假手他人的，就連云計(jì)算也沒有辦法真正做到可以完全不關(guān)注底層基礎(chǔ)設(shè)施?？煽啃赃€是需要引起高度關(guān)注的話題。在眾多高可靠性解決方案中，容錯(cuò)技術(shù)是可選方案之一。
【編輯推薦】
