架構(gòu)設計師)
第9章 軟件可靠性基礎知識 — 系統(tǒng)架構(gòu)設計師學習筆記 本章是架構(gòu)設計師考試的最核心章節(jié)沒有之一。幾乎每年必考選擇題案例分析題且分值占比極高。可靠性是衡量軟件系統(tǒng)能不能穩(wěn)定運行的根本指標可靠性設計容錯、冗余、串并聯(lián)模型是案例分析題的常駐嘉賓。學完本章你需要能計算系統(tǒng)可靠性、設計容錯方案、分析故障樹、選擇可靠性策略。一、章節(jié)概覽1.1 本章地位與核心目標如果把軟件架構(gòu)比作一棟大樓那可靠性就是這棟大樓的抗震等級。第8章講了什么樣的樓是好樓質(zhì)量屬性第9章則講怎么讓樓不塌可靠性工程。本章是從理論到實踐的關鍵落地章節(jié)直接決定了你在案例分析題中能否拿到高分。本章圍繞四個核心問題展開什么是可靠性→ 可靠性的定義、核心指標MTTF/MTBF/MTTR怎么算可靠性→ 串聯(lián)、并聯(lián)、混聯(lián)系統(tǒng)的可靠性計算怎么設計可靠性→ 容錯設計、冗余策略、N版本程序、恢復塊怎么分析故障→ 故障樹分析FTA、可靠性框圖1.2 知識思維導圖第9章 軟件可靠性基礎知識 ├── 9.1 可靠性基本概念 │ ├── 可靠性的定義 │ ├── 可靠性的四個要素 │ ├── 失效Failure、故障Fault、錯誤Error │ └── 可靠性與可用性、健壯性的關系 ├── 9.2 可靠性指標與度量 │ ├── 失效率 λ(t) │ ├── 可靠度 R(t) │ ├── MTTF平均無故障時間 │ ├── MTTR平均修復時間 │ ├── MTBF平均故障間隔時間 │ └── 可用性 A ├── 9.3 系統(tǒng)可靠性模型★★★ 計算必考 │ ├── 串聯(lián)模型 │ ├── 并聯(lián)模型 │ ├── 混聯(lián)模型串并聯(lián)組合 │ ├── N模冗余NMR │ └── 表決系統(tǒng)k/n系統(tǒng) ├── 9.4 軟件可靠性設計★★★ 案例必考 │ ├── 容錯設計 │ │ ├── 冗余設計硬件冗余、軟件冗余、信息冗余、時間冗余 │ │ ├── N版本程序設計NVP │ │ ├── 恢復塊設計RB │ │ └── 防衛(wèi)式程序設計 │ ├── 故障檢測 │ │ ├── 心跳檢測 │ │ ├── 校驗機制 │ │ └── 異常監(jiān)控 │ └── 故障恢復 │ ├── 重試機制 │ ├── 回滾機制 │ └── 降級策略 ├── 9.5 故障樹分析FTA │ ├── 故障樹的基本符號 │ ├── 與門、或門 │ ├── 最小割集 │ └── 故障樹定性/定量分析 └── 9.6 可靠性測試與評估 ├── 可靠性測試類型 ├── 可靠性增長模型 └── 可靠性評估方法二、核心知識點精講9.1 可靠性基本概念★ 基礎必背9.1.1 可靠性的定義概念定義軟件系統(tǒng)在規(guī)定條件和規(guī)定時間內(nèi)無故障地執(zhí)行指定功能的概率。通俗解釋就像買燈泡——商家說正常使用平均能用5000小時。這里的正常使用就是規(guī)定條件5000小時就是規(guī)定時間不壞的概率就是可靠性?？煽啃缘乃膫€關鍵要素缺一不可要素含義舉例規(guī)定條件使用環(huán)境、負載、操作方式溫度40°C、并發(fā)1000規(guī)定時間運行的時間長度連續(xù)運行72小時規(guī)定功能系統(tǒng)應該完成的功能訂單處理、支付結(jié)算概率無故障的可能性0~1之間R(72h) 0.99??考點可靠性是一個概率值不是能或不能的絕對概念。R(t) 越接近1可靠性越高。9.1.2 失效、故障、錯誤的區(qū)別通俗解釋用人生病來類比——概念英文定義類比舉例錯誤ErrorError人的操作失誤或代碼編寫錯誤寫錯代碼的bug程序員寫了死循環(huán)故障FaultFault系統(tǒng)中存在的缺陷/隱患身體里的病毒代碼中存在空指針隱患失效FailureFailure系統(tǒng)不能執(zhí)行規(guī)定功能病倒了系統(tǒng)崩潰/輸出錯誤結(jié)果三者關系鏈錯誤Error→ 故障Fault→ 失效Failure 原因 隱患 結(jié)果一句話記憶錯誤是因?qū)戝e了故障是病有隱患了失效是果系統(tǒng)掛了。??易混淆點有故障不一定立即失效像體內(nèi)有病毒但還沒發(fā)病但失效一定是由故障引起的。9.1.3 可靠性與相關概念的關系概念關注點核心問題類比可靠性Reliability持續(xù)運行不中斷能跑多久不出問題不生病可用性Availability需要時能用需要時能不能用病了能快速好健壯性Robustness異常情況下不崩潰遇到意外扛不扛得住抵抗力強不強安全性Safety故障時不造成危害出了問題傷不傷人摔倒了會不會骨折關鍵區(qū)別可靠性 vs 可用性可靠性關注不壞可用性關注壞了能快速修好可靠性 vs 健壯性可靠性關注正常情況穩(wěn)定運行健壯性關注異常情況不崩潰通俗理解可靠性高 從來不感冒可用性高 感冒了吃顆藥第二天就好健壯性高 淋了雨也不會感冒9.2 可靠性指標與度量★★★ 計算必考9.2.1 核心指標一覽指標英文定義公式越大/越小越好失效率λ(t)單位時間內(nèi)發(fā)生故障的概率λ 故障次數(shù)/總運行時間越小越好可靠度R(t)在時間t內(nèi)無故障的概率R(t) e^(-λt)越大越好MTTFMean Time To Failure平均無故障時間MTTF 1/λ越大越好MTTRMean Time To Repair平均修復時間MTTR 總修復時間/故障次數(shù)越小越好MTBFMean Time Between Failures平均故障間隔時間MTBF MTTF MTTR越大越好可用性A (Availability)系統(tǒng)可用時間的比例A MTTF/(MTTFMTTR)越大越好9.2.2 指標詳解與計算1失效率 λ(t)通俗解釋就像燈泡的壞燈率——1000個燈泡跑了100小時壞了5個失效率 5/(1000×100) 0.00005/小時。失效率的三個階段浴盆曲線失效率 λ(t) ↑ │ ╲ ╱ │ ╲ ╱ ← 耗損期老化失效率上升 │ ╲ ╱ │ ￣￣￣￣ ← 偶然期穩(wěn)定失效率恒定 │ ╱ │ ╱ ← 早期故障期磨合失效率下降 │ ╱ └──────────────→ 時間 t階段特點原因應對策略早期故障期失效率高逐漸下降設計/制造缺陷老化測試、燒機測試偶然故障期失效率低且恒定隨機因素冗余設計、容錯機制耗損故障期失效率急劇上升老化磨損預防性維護、定期更換記憶技巧浴盆曲線就像U形——早高、中穩(wěn)、晚升像一個浴缸的橫截面。2可靠度 R(t)核心公式R(t)e?λtR(t) e^{-\lambda t}R(t)e?λt通俗解釋如果失效率 λ 0.01/小時運行10小時后的可靠度 e^(-0.01×10) e^(-0.1) ≈ 0.905即有90.5%的概率不出故障。3MTTF、MTTR、MTBF 的關系|←—— MTTF ——→|←— MTTR —→|←—— MTTF ——→|←— MTTR —→| | 正常運行 | 故障修復 | 正常運行 | 故障修復 | |←———————— MTBF ——————————→|關鍵公式MTBF MTTF MTTR可用性 A MTTF / (MTTF MTTR) MTTF / MTBF??高頻考點幾乎每年必考計算串行系統(tǒng)MTTF 1/(λ? λ? … λ?)并聯(lián)系統(tǒng)兩臺MTTF 1/λ? 1/λ? 1/(λ?λ?)不要求記理解原理即可4可用性等級速查等級可用性年停機時間典型系統(tǒng)99%99%3.65天普通內(nèi)部系統(tǒng)99.9%99.9%8.76小時企業(yè)級應用99.99%99.99%52.6分鐘金融交易系統(tǒng)99.999%99.999%5.26分鐘電信核心系統(tǒng)9.3 系統(tǒng)可靠性模型★★★ 計算核心這是本章最重要的計算部分幾乎每年必考9.3.1 串聯(lián)系統(tǒng)概念定義系統(tǒng)中所有組件必須全部正常工作系統(tǒng)才能工作。任何一個組件故障系統(tǒng)就故障。通俗解釋就像一串鞭炮——任何一個響了壞了整串就斷了。又像老式圣誕燈串一個燈泡壞了全滅?？煽啃杂嬎鉘_串聯(lián) R? × R? × R? × ... × R?特點串聯(lián)組件越多系統(tǒng)可靠性越低系統(tǒng)的可靠性低于任何一個組件的可靠性“最弱環(huán)節(jié)決定整體”——木桶效應舉例3個組件串聯(lián)可靠度分別為0.99、0.98、0.97R 0.99 × 0.98 × 0.97 0.9411→ 系統(tǒng)可靠性只有94.11%比最低的0.97還低9.3.2 并聯(lián)系統(tǒng)概念定義系統(tǒng)中只要有一個組件正常工作系統(tǒng)就能工作。所有組件都故障系統(tǒng)才故障。通俗解釋就像多個保安守門——只要有一個保安醒著正常門就有人守。所有保安都睡著了才出事。可靠性計算R_并聯(lián) 1 - (1-R?) × (1-R?) × (1-R?) × ... × (1-R?)特點并聯(lián)組件越多系統(tǒng)可靠性越高系統(tǒng)的可靠性高于任何一個組件的可靠性“人多力量大”——冗余帶來可靠性提升舉例2個組件并聯(lián)可靠度分別為0.9、0.8R 1 - (1-0.9) × (1-0.8) 1 - 0.1 × 0.2 1 - 0.02 0.98→ 系統(tǒng)可靠性98%比任何一個組件都高9.3.3 混聯(lián)系統(tǒng)串并聯(lián)組合概念定義系統(tǒng)中既有串聯(lián)部分又有并聯(lián)部分的組合。通俗解釋就像電路——有的燈串聯(lián)有的燈并聯(lián)組合在一起。計算方法先算并聯(lián)再算串聯(lián)分步化簡典型例題結(jié)構(gòu)┌── R? ──┐ ──┤ ├── R? ── R? ── └── R? ──┘ 分析R?和R?并聯(lián)再與R?、R?、R?串聯(lián) 步驟 ① 先算并聯(lián)部分R?? 1 - (1-R?)(1-R?) ② 再算串聯(lián)R R? × R?? × R? × R???計算口訣“先并后串逐步化簡”——先把并聯(lián)部分合成一個等效組件再按串聯(lián)計算。9.3.4 N模冗余系統(tǒng)NMR概念定義N個模塊同時運行通過投票機制選出多數(shù)一致的結(jié)果作為輸出。通俗解釋就像三人裁判——3個裁判同時打分2個說好就算好1個說好不算。典型形式三模冗余TMR3個模塊2個一致即正確最常用五模冗余5MR5個模塊3個一致即正確可靠性計算以TMR為例3個相同模塊R_TMR 3R2 - 2R3 當各模塊可靠度相同時理解TMR中只要2個或以上模塊正確系統(tǒng)就正確。3個都對C(3,3)×R3 R32個對1個錯C(3,2)×R2×(1-R) 3R2(1-R)合計R3 3R2(1-R) 3R2 - 2R39.3.5 表決系統(tǒng)k/n系統(tǒng)概念定義n個模塊中至少k個正常工作系統(tǒng)才正常。通俗解釋就像班級投票——全班50人n50至少26人同意k26才能通過決議?？煽啃杂嬎愀髂K可靠度相同為R時R_系統(tǒng) Σ C(n,i) × R? × (1-R)^(n-i) i從k到n求和??考點串聯(lián) n/n表決全部都要工作并聯(lián) 1/n表決至少1個工作。可靠性模型對比總結(jié)表模型條件計算公式特點生活類比串聯(lián)全部正常才工作R R?×R?×…×R?越多越不可靠一串鞭炮并聯(lián)至少1個正常就工作R 1-(1-R?)(1-R?)…(1-R?)越多越可靠多個保安混聯(lián)組合結(jié)構(gòu)先并后串逐步化簡需要分析結(jié)構(gòu)復雜電路N模冗余多數(shù)表決3R2-2R3TMR容錯性強三人裁判k/n表決至少k個正常二項式求和通用模型投票決議9.4 軟件可靠性設計★★★ 案例核心9.4.1 容錯設計概念定義系統(tǒng)在部分組件發(fā)生故障時仍能繼續(xù)正常運行或安全降級的能力。通俗解釋就像飛機有雙引擎——一個引擎壞了另一個還能飛不會墜機。四種冗余策略對比冗余類型含義實現(xiàn)方式優(yōu)點缺點類比硬件冗余增加備用硬件雙機熱備、RAID磁盤物理層面保障成本高備胎輪胎軟件冗余多版本軟件并行N版本程序設計、恢復塊避免設計缺陷開發(fā)成本翻倍多人獨立翻譯同一本書信息冗余增加校驗信息校驗碼、CRC、奇偶校驗檢測數(shù)據(jù)錯誤占用額外存儲/帶寬快遞包裹加防震泡沫時間冗余重復執(zhí)行操作重試機制、定時重發(fā)應對瞬時故障增加響應時間打電話斷了重新打N版本程序設計NVP—— 軟件冗余的核心方法概念定義由N個獨立團隊用不同的方法對同一需求分別編程實現(xiàn)運行時通過投票機制決定最終輸出。通俗解釋就像高考作文閱卷——3位老師獨立打分2位以上給的分一致才算最終分數(shù)。避免一個老師看走眼。工作流程┌── 版本1 ──→ 結(jié)果1 ──┐ 輸入 ──→ 需求規(guī)格 ──┼── 版本2 ──→ 結(jié)果2 ──┼──→ 投票器 ──→ 最終輸出 └── 版本3 ──→ 結(jié)果3 ──┘關鍵要點N個版本必須獨立開發(fā)不同團隊、不同方法目的是消除設計缺陷導致的共性錯誤投票器負責多數(shù)表決所有版本同時運行??考點NVP的所有版本是同時運行的不是輪流運行?；謴蛪K設計RB—— 另一種軟件冗余概念定義由一個團隊編寫多個版本運行時按順序執(zhí)行每個版本執(zhí)行后由驗收測試判斷結(jié)果是否正確不正確則切換到下一個版本。通俗解釋就像考試做題——先做第一種解法檢查發(fā)現(xiàn)不對驗收測試再換第二種解法再不對換第三種。工作流程輸入 → 版本1 → 驗收測試 → 通過→ 是 → 輸出 ↓ 否 版本2 → 驗收測試 → 通過→ 是 → 輸出 ↓ 否 版本3 → ...關鍵要點多個版本由同一團隊開發(fā)不同于NVP版本依次執(zhí)行不同于NVP的同時運行每個版本后必須有驗收測試需要能回滾狀態(tài)恢復到現(xiàn)場NVP vs RB 對比高頻考點對比維度N版本程序設計NVP恢復塊設計RB開發(fā)團隊N個獨立團隊同一團隊運行方式同時運行依次運行決策機制投票表決驗收測試版本要求不同方法/算法不同實現(xiàn)即可狀態(tài)恢復不需要需要回滾開發(fā)成本高多人同時開發(fā)較低同一團隊運行開銷高同時運行N個較低只運行到通過為止適用場景安全性要求極高的系統(tǒng)一般容錯系統(tǒng)一句話記憶NVP 多人同時做投票選答案像高考閱卷RB 一個人輪流做做對就交卷像考試換解法防衛(wèi)式程序設計概念定義在程序中對所有輸入進行合法性檢查對異常情況做出預防性處理即使部分功能失效也不影響整體。通俗解釋就像電梯——即使有人按了不存在的樓層非法輸入電梯不會崩潰而是忽略或提示錯誤。核心思想不信任任何外部輸入對所有輸入做校驗異常情況有兜底處理失敗時優(yōu)雅降級不崩潰9.4.2 故障檢測機制檢測方式原理舉例適用場景心跳檢測定時發(fā)送我還活著信號主備服務器心跳線服務器/進程存活檢測校驗機制對數(shù)據(jù)做完整性校驗CRC校驗、MD5校驗數(shù)據(jù)傳輸/存儲完整性異常監(jiān)控監(jiān)控系統(tǒng)指標超閾值報警CPU90%報警系統(tǒng)運行狀態(tài)監(jiān)控超時檢測等待響應超時視為故障接口調(diào)用超時3秒網(wǎng)絡通信/服務調(diào)用9.4.3 故障恢復策略恢復策略原理舉例適用場景重試失敗后重新執(zhí)行網(wǎng)絡請求失敗重試3次瞬時故障回滾恢復到操作前的狀態(tài)數(shù)據(jù)庫事務回滾事務性操作降級關閉非核心功能保核心雙11關閉評論功能高并發(fā)/資源不足熔斷檢測到持續(xù)故障后斷開下游服務不可用時熔斷微服務調(diào)用鏈切換切換到備用組件主備數(shù)據(jù)庫切換主備架構(gòu)記憶技巧重試 電話沒接再打一次回滾 寫錯字了用橡皮擦掉降級 錢不夠了先保吃飯不買衣服熔斷 保險絲燒斷了保護整個電路切換 主力受傷替補上場9.5 故障樹分析FTA★★ 常考概念定義從頂層故障事件出發(fā)逐層向下分析原因用邏輯門與門、或門連接形成樹狀圖。通俗解釋就像醫(yī)生診斷——“病人發(fā)燒了”頂層事件為什么“可能是感染或可能是免疫反應”或門再往下分析感染的原因…基本符號符號名稱含義圖形─ ─ ─與門AND所有輸入事件都發(fā)生輸出才發(fā)生半圓直線∨或門OR任一輸入事件發(fā)生輸出就發(fā)生弧線○基本事件最底層的故障原因圓形▽中間事件可繼續(xù)分解的故障事件矩形△頂事件分析的頂層故障矩形最上方與門 vs 或門對比與門AND或門OR邏輯A且B → 故障A或B → 故障含義所有條件都滿足才故障任一條件滿足就故障可靠性提高可靠性需要多個同時壞降低可靠性一個壞就完概率計算P P? × P?P 1-(1-P?)(1-P?)類比兩把鎖都打開才能進門任何一把鎖打開就能進門記憶技巧與門 串聯(lián) 都壞才壞 可靠性高像兩道門鎖或門 并聯(lián) 一個壞就壞 可靠性低像多個隱患任一觸發(fā)最小割集概念定義導致頂事件發(fā)生的最少基本事件組合。通俗解釋找出最少需要壞幾個零件系統(tǒng)就會出問題的組合。舉例系統(tǒng)故障頂事件 / \ 或門 或門 / \ / \ 事件A 與門 事件D 事件E / \ 事件B 事件C 最小割集{A}, {B,C}, {D}, {E} 含義A單獨壞就故障、B和C同時壞才故障、D單獨壞就故障、E單獨壞就故障??考點最小割集越少、包含的事件越多系統(tǒng)越可靠。單點故障只有一個事件的割集是最危險的9.6 可靠性測試與評估可靠性測試類型測試類型目的方法關注點可靠性驗證測試驗證是否達到可靠性指標在模擬環(huán)境下長時間運行是否達標可靠性增長測試發(fā)現(xiàn)缺陷并修復提升可靠性測試→修復→測試循環(huán)可靠性是否在提升壓力測試在極限條件下測試超負載、大數(shù)據(jù)量運行系統(tǒng)極限表現(xiàn)故障注入測試模擬故障測試容錯能力人為注入故障容錯和恢復能力可靠性增長模型通俗解釋就像打怪升級——每發(fā)現(xiàn)一個bug并修復可靠性就提升一點?？煽啃?↑ │ ╱──── 目標可靠性 │ ╱ │ ╱ │ ╱ ← 可靠性增長曲線 │ ╱ │╱ └──────────────→ 測試時間三、重點歸納 速記口訣3.1 必背要點清單編號要點重要度1可靠性的定義與四要素★★★★2失效-故障-錯誤的因果鏈★★★★3MTTF、MTTR、MTBF的定義與關系★★★★★4可用性計算公式 AMTTF/(MTTFMTTR)★★★★★5串聯(lián)系統(tǒng)可靠性計算 RR?×R?×…×R?★★★★★6并聯(lián)系統(tǒng)可靠性計算 R1-(1-R?)(1-R?)…★★★★★7混聯(lián)系統(tǒng)計算方法先并后串★★★★★8NVP與RB的區(qū)別★★★★★9四種冗余策略硬件/軟件/信息/時間★★★★10故障樹中與門、或門的含義★★★★11最小割集的概念★★★12浴盆曲線的三個階段★★★★3.2 速記口訣可靠性三兄弟因果鏈“錯→障→失”錯Error→障Fault→失Failure寫錯了 → 有故障了 →失敗了可靠性指標“失可靠MT三兄弟”失效率λ、可靠度R(t)MTTF無故障時間、MTTR修復時間、MTBF間隔時間MTBF MTTF MTTR串聯(lián) vs 并聯(lián)“串聯(lián)相乘越來越小并聯(lián)互補越來越大”串聯(lián)R R?×R? → 越多越不可靠一串鞭炮并聯(lián)R 1-(1-R?)(1-R?) → 越多越可靠多個保安NVP vs RB“NVP多人同時投票選RB一人輪流做對交”NVP 高考閱卷多人獨立同時運行投票RB 考試換解法同一人依次運行驗收測試四種冗余“硬軟信時”硬件冗余、軟件冗余、信息冗余、時間冗余聯(lián)想“硬軟信時”→ 硬軟件信息時代故障樹“與門串聯(lián)都壞才壞或門并聯(lián)一壞就壞”浴盆曲線“早高中低晚又高中間穩(wěn)定最可靠”四、歷年真題 考點映射4.1 近5年真題匯總年份題型分值考點內(nèi)容2024選擇題2分串聯(lián)/并聯(lián)系統(tǒng)可靠性計算2024選擇題2分NVP與RB的區(qū)別2024案例分析25分給出系統(tǒng)架構(gòu)要求設計容錯方案計算系統(tǒng)可靠性2023選擇題2分可用性計算MTTF/MTTR2023選擇題2分浴盆曲線三個階段2023案例分析25分故障樹分析求最小割集提出可靠性改進方案2022選擇題2分串聯(lián)系統(tǒng)可靠性計算2022選擇題2分冗余策略類型判斷2022案例分析25分混聯(lián)系統(tǒng)可靠性計算 容錯設計分析2021選擇題2分MTBF與MTTF的關系2021選擇題2分失效-故障-錯誤的關系2021案例分析25分給出系統(tǒng)可靠性需求設計冗余方案并計算2020選擇題2分并聯(lián)系統(tǒng)可靠性計算2020選擇題2分N版本程序設計的特點2020案例分析25分故障樹分析 可靠性分配2019選擇題2分可用性等級2019選擇題2分恢復塊設計的特點2019案例分析25分綜合題可靠性計算 容錯架構(gòu)設計 故障分析4.2 出題規(guī)律分析規(guī)律說明必考計算題每年至少1道可靠性計算題串聯(lián)/并聯(lián)/混聯(lián)NVP vs RB 輪流出幾乎每年都考這兩個的區(qū)別選擇題或案例填空故障樹分析高頻案例分析中常考畫故障樹、求最小割集可用性計算必考MTTF/MTTR/MTBF的計算幾乎年年考容錯設計是案例核心案例分析題常要求設計容錯方案并說明理由浴盆曲線常出選擇三個階段的特點和應對策略五、典型例題 解析例題1選擇題題目某系統(tǒng)由3個組件組成組件A和B并聯(lián)后再與組件C串聯(lián)。已知A、B、C的可靠度分別為0.9、0.8、0.95則該系統(tǒng)的可靠度為 。A. 0.684B. 0.931C. 0.722D. 0.855答案B解析第一步計算A和B并聯(lián)的可靠度R_AB 1 - (1-0.9) × (1-0.8) 1 - 0.1 × 0.2 1 - 0.02 0.98第二步計算與C串聯(lián)的可靠度R R_AB × R_C 0.98 × 0.95 0.931答案選B例題2選擇題題目某系統(tǒng)MTTF為498小時MTTR為2小時則系統(tǒng)可用性約為 MTBF為 。A. 99.6%500小時B. 99.6%498小時C. 99.0%500小時D. 99.0%498小時答案A解析MTBF MTTF MTTR 498 2 500小時可用性 A MTTF / (MTTF MTTR) 498 / 500 0.996 99.6%答案選A例題3案例分析題題目某金融交易系統(tǒng)需要設計高可用架構(gòu)系統(tǒng)可靠性要求達到99.99%。現(xiàn)有以下組件Web服務器可靠度0.99應用服務器可靠度0.98數(shù)據(jù)庫服務器可靠度0.97問題如果三個組件串聯(lián)系統(tǒng)可靠度是多少是否滿足要求如果不滿足請設計一個冗余方案使其滿足99.99%的要求。請說明NVP和RB在該系統(tǒng)中如何應用并分析哪種更適合。參考答案問題1R_串聯(lián) 0.99 × 0.98 × 0.97 0.9411 94.11%94.11% 遠低于 99.99% 的要求不滿足。問題2對每個組件增加一個熱備并聯(lián)形成雙機熱備方案Web服務器R_W 1 - (1-0.99)2 1 - 0.0001 0.9999 應用服務器R_A 1 - (1-0.98)2 1 - 0.0004 0.9996 數(shù)據(jù)庫服務器R_D 1 - (1-0.97)2 1 - 0.0009 0.9991串聯(lián)后R 0.9999 × 0.9996 × 0.9991 ≈ 0.9986 99.86%仍不滿足99.99%。需要對數(shù)據(jù)庫最薄弱環(huán)節(jié)增加更多冗余數(shù)據(jù)庫采用3節(jié)點1主2從 R_D 1 - (1-0.97)3 1 - 0.000027 0.999973 R 0.9999 × 0.9996 × 0.999973 ≈ 0.9995 ≈ 99.95%繼續(xù)優(yōu)化應用服務器也采用3節(jié)點R_A 1 - (1-0.98)3 1 - 0.000008 0.999992 R 0.9999 × 0.999992 × 0.999973 ≈ 0.9999 ≈ 99.99% ?問題3對比維度NVP方案RB方案開發(fā)方式3個獨立團隊分別開發(fā)支付模塊同一團隊開發(fā)3個版本運行方式3個版本同時運行投票決定依次執(zhí)行驗收通過后輸出適用性更適合本系統(tǒng)需要狀態(tài)回滾復雜度高推薦NVP理由金融系統(tǒng)對正確性要求極高NVP的投票機制能發(fā)現(xiàn)設計缺陷金融交易涉及資金安全需要多團隊獨立實現(xiàn)以降低共性錯誤風險雖然RB開發(fā)成本較低但金融交易的狀態(tài)回滾復雜RB實現(xiàn)難度大六、易錯點 避坑指南6.1 常見錯誤一覽錯誤正確理解糾正建議? “串聯(lián)越多越可靠”串聯(lián)越多越不可靠并聯(lián)越多才越可靠記住串聯(lián)鞭炮并聯(lián)保安? “MTBF MTTF”MTBF MTTF MTTRMTBF是間隔時間包含修復時間? “可用性 MTTR/MTBF”可用性 MTTF/MTBF分子是無故障時間好的時間? “NVP和RB是一樣的”NVP多人同時投票RB一人輪流驗收口訣NVP高考閱卷RB換解法? “故障樹中或門提高可靠性”或門意味著任一事件就故障降低可靠性與門都壞才壞安全或門一壞就壞危險? “有故障就一定會失效”有故障不一定失效像攜帶病毒但未發(fā)病錯誤→故障→失效是因果鏈不是等價? “并聯(lián)計算是R?×R?”并聯(lián)是 1-(1-R?)(1-R?)串聯(lián)才是R?×R?先分清串并聯(lián)再選公式? “可靠性高可用性高”可靠性高≠可用性高可能不壞但修得慢可靠不生病可用病了快好6.2 計算題答題模板可靠性計算題標準步驟第一步畫出系統(tǒng)可靠性框圖 第二步識別串并聯(lián)關系 第三步先算并聯(lián)部分 第四步再算串聯(lián)部分 第五步得出最終結(jié)果與要求對比案例分析題答題模板1. 分析可靠性需求目標值是多少 2. 計算當前可靠性串聯(lián)/并聯(lián)公式 3. 設計冗余方案對薄弱環(huán)節(jié)加并聯(lián) 4. 重新計算驗證是否達標 5. 說明選擇的容錯策略及理由本章小結(jié)本章的核心就是四件事——理解可靠性概念定義指標、會算可靠性串聯(lián)/并聯(lián)/混聯(lián)、會設計容錯方案NVP/RB/冗余策略、會分析故障故障樹最小割集。其中計算題和NVP vs RB是每年必考必須熟練掌握本文基于系統(tǒng)架構(gòu)設計師考試大綱編寫適合備考復習使用。如有問題歡迎評論區(qū)交流討論 第9章 軟件可靠性基礎知識 — 系統(tǒng)架構(gòu)設計師
第9章 軟件可靠性基礎知識 — 系統(tǒng)架構(gòu)設計師學習筆記 本章是架構(gòu)設計師考試的最核心章節(jié)沒有之一。幾乎每年必考選擇題案例分析題且分值占比極高。可靠性是衡量軟件系統(tǒng)能不能穩(wěn)定運行的根本指標可靠性設計容錯、冗余、串并聯(lián)模型是案例分析題的常駐嘉賓。學完本章你需要能計算系統(tǒng)可靠性、設計容錯方案、分析故障樹、選擇可靠性策略。一、章節(jié)概覽1.1 本章地位與核心目標如果把軟件架構(gòu)比作一棟大樓那可靠性就是這棟大樓的抗震等級。第8章講了什么樣的樓是好樓質(zhì)量屬性第9章則講怎么讓樓不塌可靠性工程。本章是從理論到實踐的關鍵落地章節(jié)直接決定了你在案例分析題中能否拿到高分。本章圍繞四個核心問題展開什么是可靠性→ 可靠性的定義、核心指標MTTF/MTBF/MTTR怎么算可靠性→ 串聯(lián)、并聯(lián)、混聯(lián)系統(tǒng)的可靠性計算怎么設計可靠性→ 容錯設計、冗余策略、N版本程序、恢復塊怎么分析故障→ 故障樹分析FTA、可靠性框圖1.2 知識思維導圖第9章 軟件可靠性基礎知識 ├── 9.1 可靠性基本概念 │ ├── 可靠性的定義 │ ├── 可靠性的四個要素 │ ├── 失效Failure、故障Fault、錯誤Error │ └── 可靠性與可用性、健壯性的關系 ├── 9.2 可靠性指標與度量 │ ├── 失效率 λ(t) │ ├── 可靠度 R(t) │ ├── MTTF平均無故障時間 │ ├── MTTR平均修復時間 │ ├── MTBF平均故障間隔時間 │ └── 可用性 A ├── 9.3 系統(tǒng)可靠性模型★★★ 計算必考 │ ├── 串聯(lián)模型 │ ├── 并聯(lián)模型 │ ├── 混聯(lián)模型串并聯(lián)組合 │ ├── N模冗余NMR │ └── 表決系統(tǒng)k/n系統(tǒng) ├── 9.4 軟件可靠性設計★★★ 案例必考 │ ├── 容錯設計 │ │ ├── 冗余設計硬件冗余、軟件冗余、信息冗余、時間冗余 │ │ ├── N版本程序設計NVP │ │ ├── 恢復塊設計RB │ │ └── 防衛(wèi)式程序設計 │ ├── 故障檢測 │ │ ├── 心跳檢測 │ │ ├── 校驗機制 │ │ └── 異常監(jiān)控 │ └── 故障恢復 │ ├── 重試機制 │ ├── 回滾機制 │ └── 降級策略 ├── 9.5 故障樹分析FTA │ ├── 故障樹的基本符號 │ ├── 與門、或門 │ ├── 最小割集 │ └── 故障樹定性/定量分析 └── 9.6 可靠性測試與評估 ├── 可靠性測試類型 ├── 可靠性增長模型 └── 可靠性評估方法二、核心知識點精講9.1 可靠性基本概念★ 基礎必背9.1.1 可靠性的定義概念定義軟件系統(tǒng)在規(guī)定條件和規(guī)定時間內(nèi)無故障地執(zhí)行指定功能的概率。通俗解釋就像買燈泡——商家說正常使用平均能用5000小時。這里的正常使用就是規(guī)定條件5000小時就是規(guī)定時間不壞的概率就是可靠性?？煽啃缘乃膫€關鍵要素缺一不可要素含義舉例規(guī)定條件使用環(huán)境、負載、操作方式溫度40°C、并發(fā)1000規(guī)定時間運行的時間長度連續(xù)運行72小時規(guī)定功能系統(tǒng)應該完成的功能訂單處理、支付結(jié)算概率無故障的可能性0~1之間R(72h) 0.99??考點可靠性是一個概率值不是能或不能的絕對概念。R(t) 越接近1可靠性越高。9.1.2 失效、故障、錯誤的區(qū)別通俗解釋用人生病來類比——概念英文定義類比舉例錯誤ErrorError人的操作失誤或代碼編寫錯誤寫錯代碼的bug程序員寫了死循環(huán)故障FaultFault系統(tǒng)中存在的缺陷/隱患身體里的病毒代碼中存在空指針隱患失效FailureFailure系統(tǒng)不能執(zhí)行規(guī)定功能病倒了系統(tǒng)崩潰/輸出錯誤結(jié)果三者關系鏈錯誤Error→ 故障Fault→ 失效Failure 原因 隱患 結(jié)果一句話記憶錯誤是因?qū)戝e了故障是病有隱患了失效是果系統(tǒng)掛了。??易混淆點有故障不一定立即失效像體內(nèi)有病毒但還沒發(fā)病但失效一定是由故障引起的。9.1.3 可靠性與相關概念的關系概念關注點核心問題類比可靠性Reliability持續(xù)運行不中斷能跑多久不出問題不生病可用性Availability需要時能用需要時能不能用病了能快速好健壯性Robustness異常情況下不崩潰遇到意外扛不扛得住抵抗力強不強安全性Safety故障時不造成危害出了問題傷不傷人摔倒了會不會骨折關鍵區(qū)別可靠性 vs 可用性可靠性關注不壞可用性關注壞了能快速修好可靠性 vs 健壯性可靠性關注正常情況穩(wěn)定運行健壯性關注異常情況不崩潰通俗理解可靠性高 從來不感冒可用性高 感冒了吃顆藥第二天就好健壯性高 淋了雨也不會感冒9.2 可靠性指標與度量★★★ 計算必考9.2.1 核心指標一覽指標英文定義公式越大/越小越好失效率λ(t)單位時間內(nèi)發(fā)生故障的概率λ 故障次數(shù)/總運行時間越小越好可靠度R(t)在時間t內(nèi)無故障的概率R(t) e^(-λt)越大越好MTTFMean Time To Failure平均無故障時間MTTF 1/λ越大越好MTTRMean Time To Repair平均修復時間MTTR 總修復時間/故障次數(shù)越小越好MTBFMean Time Between Failures平均故障間隔時間MTBF MTTF MTTR越大越好可用性A (Availability)系統(tǒng)可用時間的比例A MTTF/(MTTFMTTR)越大越好9.2.2 指標詳解與計算1失效率 λ(t)通俗解釋就像燈泡的壞燈率——1000個燈泡跑了100小時壞了5個失效率 5/(1000×100) 0.00005/小時。失效率的三個階段浴盆曲線失效率 λ(t) ↑ │ ╲ ╱ │ ╲ ╱ ← 耗損期老化失效率上升 │ ╲ ╱ │ ￣￣￣￣ ← 偶然期穩(wěn)定失效率恒定 │ ╱ │ ╱ ← 早期故障期磨合失效率下降 │ ╱ └──────────────→ 時間 t階段特點原因應對策略早期故障期失效率高逐漸下降設計/制造缺陷老化測試、燒機測試偶然故障期失效率低且恒定隨機因素冗余設計、容錯機制耗損故障期失效率急劇上升老化磨損預防性維護、定期更換記憶技巧浴盆曲線就像U形——早高、中穩(wěn)、晚升像一個浴缸的橫截面。2可靠度 R(t)核心公式R(t)e?λtR(t) e^{-\lambda t}R(t)e?λt通俗解釋如果失效率 λ 0.01/小時運行10小時后的可靠度 e^(-0.01×10) e^(-0.1) ≈ 0.905即有90.5%的概率不出故障。3MTTF、MTTR、MTBF 的關系|←—— MTTF ——→|←— MTTR —→|←—— MTTF ——→|←— MTTR —→| | 正常運行 | 故障修復 | 正常運行 | 故障修復 | |←———————— MTBF ——————————→|關鍵公式MTBF MTTF MTTR可用性 A MTTF / (MTTF MTTR) MTTF / MTBF??高頻考點幾乎每年必考計算串行系統(tǒng)MTTF 1/(λ? λ? … λ?)并聯(lián)系統(tǒng)兩臺MTTF 1/λ? 1/λ? 1/(λ?λ?)不要求記理解原理即可4可用性等級速查等級可用性年停機時間典型系統(tǒng)99%99%3.65天普通內(nèi)部系統(tǒng)99.9%99.9%8.76小時企業(yè)級應用99.99%99.99%52.6分鐘金融交易系統(tǒng)99.999%99.999%5.26分鐘電信核心系統(tǒng)9.3 系統(tǒng)可靠性模型★★★ 計算核心這是本章最重要的計算部分幾乎每年必考9.3.1 串聯(lián)系統(tǒng)概念定義系統(tǒng)中所有組件必須全部正常工作系統(tǒng)才能工作。任何一個組件故障系統(tǒng)就故障。通俗解釋就像一串鞭炮——任何一個響了壞了整串就斷了。又像老式圣誕燈串一個燈泡壞了全滅?？煽啃杂嬎鉘_串聯(lián) R? × R? × R? × ... × R?特點串聯(lián)組件越多系統(tǒng)可靠性越低系統(tǒng)的可靠性低于任何一個組件的可靠性“最弱環(huán)節(jié)決定整體”——木桶效應舉例3個組件串聯(lián)可靠度分別為0.99、0.98、0.97R 0.99 × 0.98 × 0.97 0.9411→ 系統(tǒng)可靠性只有94.11%比最低的0.97還低9.3.2 并聯(lián)系統(tǒng)概念定義系統(tǒng)中只要有一個組件正常工作系統(tǒng)就能工作。所有組件都故障系統(tǒng)才故障。通俗解釋就像多個保安守門——只要有一個保安醒著正常門就有人守。所有保安都睡著了才出事。可靠性計算R_并聯(lián) 1 - (1-R?) × (1-R?) × (1-R?) × ... × (1-R?)特點并聯(lián)組件越多系統(tǒng)可靠性越高系統(tǒng)的可靠性高于任何一個組件的可靠性“人多力量大”——冗余帶來可靠性提升舉例2個組件并聯(lián)可靠度分別為0.9、0.8R 1 - (1-0.9) × (1-0.8) 1 - 0.1 × 0.2 1 - 0.02 0.98→ 系統(tǒng)可靠性98%比任何一個組件都高9.3.3 混聯(lián)系統(tǒng)串并聯(lián)組合概念定義系統(tǒng)中既有串聯(lián)部分又有并聯(lián)部分的組合。通俗解釋就像電路——有的燈串聯(lián)有的燈并聯(lián)組合在一起。計算方法先算并聯(lián)再算串聯(lián)分步化簡典型例題結(jié)構(gòu)┌── R? ──┐ ──┤ ├── R? ── R? ── └── R? ──┘ 分析R?和R?并聯(lián)再與R?、R?、R?串聯(lián) 步驟 ① 先算并聯(lián)部分R?? 1 - (1-R?)(1-R?) ② 再算串聯(lián)R R? × R?? × R? × R???計算口訣“先并后串逐步化簡”——先把并聯(lián)部分合成一個等效組件再按串聯(lián)計算。9.3.4 N模冗余系統(tǒng)NMR概念定義N個模塊同時運行通過投票機制選出多數(shù)一致的結(jié)果作為輸出。通俗解釋就像三人裁判——3個裁判同時打分2個說好就算好1個說好不算。典型形式三模冗余TMR3個模塊2個一致即正確最常用五模冗余5MR5個模塊3個一致即正確可靠性計算以TMR為例3個相同模塊R_TMR 3R2 - 2R3 當各模塊可靠度相同時理解TMR中只要2個或以上模塊正確系統(tǒng)就正確。3個都對C(3,3)×R3 R32個對1個錯C(3,2)×R2×(1-R) 3R2(1-R)合計R3 3R2(1-R) 3R2 - 2R39.3.5 表決系統(tǒng)k/n系統(tǒng)概念定義n個模塊中至少k個正常工作系統(tǒng)才正常。通俗解釋就像班級投票——全班50人n50至少26人同意k26才能通過決議?？煽啃杂嬎愀髂K可靠度相同為R時R_系統(tǒng) Σ C(n,i) × R? × (1-R)^(n-i) i從k到n求和??考點串聯(lián) n/n表決全部都要工作并聯(lián) 1/n表決至少1個工作。可靠性模型對比總結(jié)表模型條件計算公式特點生活類比串聯(lián)全部正常才工作R R?×R?×…×R?越多越不可靠一串鞭炮并聯(lián)至少1個正常就工作R 1-(1-R?)(1-R?)…(1-R?)越多越可靠多個保安混聯(lián)組合結(jié)構(gòu)先并后串逐步化簡需要分析結(jié)構(gòu)復雜電路N模冗余多數(shù)表決3R2-2R3TMR容錯性強三人裁判k/n表決至少k個正常二項式求和通用模型投票決議9.4 軟件可靠性設計★★★ 案例核心9.4.1 容錯設計概念定義系統(tǒng)在部分組件發(fā)生故障時仍能繼續(xù)正常運行或安全降級的能力。通俗解釋就像飛機有雙引擎——一個引擎壞了另一個還能飛不會墜機。四種冗余策略對比冗余類型含義實現(xiàn)方式優(yōu)點缺點類比硬件冗余增加備用硬件雙機熱備、RAID磁盤物理層面保障成本高備胎輪胎軟件冗余多版本軟件并行N版本程序設計、恢復塊避免設計缺陷開發(fā)成本翻倍多人獨立翻譯同一本書信息冗余增加校驗信息校驗碼、CRC、奇偶校驗檢測數(shù)據(jù)錯誤占用額外存儲/帶寬快遞包裹加防震泡沫時間冗余重復執(zhí)行操作重試機制、定時重發(fā)應對瞬時故障增加響應時間打電話斷了重新打N版本程序設計NVP—— 軟件冗余的核心方法概念定義由N個獨立團隊用不同的方法對同一需求分別編程實現(xiàn)運行時通過投票機制決定最終輸出。通俗解釋就像高考作文閱卷——3位老師獨立打分2位以上給的分一致才算最終分數(shù)。避免一個老師看走眼。工作流程┌── 版本1 ──→ 結(jié)果1 ──┐ 輸入 ──→ 需求規(guī)格 ──┼── 版本2 ──→ 結(jié)果2 ──┼──→ 投票器 ──→ 最終輸出 └── 版本3 ──→ 結(jié)果3 ──┘關鍵要點N個版本必須獨立開發(fā)不同團隊、不同方法目的是消除設計缺陷導致的共性錯誤投票器負責多數(shù)表決所有版本同時運行??考點NVP的所有版本是同時運行的不是輪流運行?；謴蛪K設計RB—— 另一種軟件冗余概念定義由一個團隊編寫多個版本運行時按順序執(zhí)行每個版本執(zhí)行后由驗收測試判斷結(jié)果是否正確不正確則切換到下一個版本。通俗解釋就像考試做題——先做第一種解法檢查發(fā)現(xiàn)不對驗收測試再換第二種解法再不對換第三種。工作流程輸入 → 版本1 → 驗收測試 → 通過→ 是 → 輸出 ↓ 否 版本2 → 驗收測試 → 通過→ 是 → 輸出 ↓ 否 版本3 → ...關鍵要點多個版本由同一團隊開發(fā)不同于NVP版本依次執(zhí)行不同于NVP的同時運行每個版本后必須有驗收測試需要能回滾狀態(tài)恢復到現(xiàn)場NVP vs RB 對比高頻考點對比維度N版本程序設計NVP恢復塊設計RB開發(fā)團隊N個獨立團隊同一團隊運行方式同時運行依次運行決策機制投票表決驗收測試版本要求不同方法/算法不同實現(xiàn)即可狀態(tài)恢復不需要需要回滾開發(fā)成本高多人同時開發(fā)較低同一團隊運行開銷高同時運行N個較低只運行到通過為止適用場景安全性要求極高的系統(tǒng)一般容錯系統(tǒng)一句話記憶NVP 多人同時做投票選答案像高考閱卷RB 一個人輪流做做對就交卷像考試換解法防衛(wèi)式程序設計概念定義在程序中對所有輸入進行合法性檢查對異常情況做出預防性處理即使部分功能失效也不影響整體。通俗解釋就像電梯——即使有人按了不存在的樓層非法輸入電梯不會崩潰而是忽略或提示錯誤。核心思想不信任任何外部輸入對所有輸入做校驗異常情況有兜底處理失敗時優(yōu)雅降級不崩潰9.4.2 故障檢測機制檢測方式原理舉例適用場景心跳檢測定時發(fā)送我還活著信號主備服務器心跳線服務器/進程存活檢測校驗機制對數(shù)據(jù)做完整性校驗CRC校驗、MD5校驗數(shù)據(jù)傳輸/存儲完整性異常監(jiān)控監(jiān)控系統(tǒng)指標超閾值報警CPU90%報警系統(tǒng)運行狀態(tài)監(jiān)控超時檢測等待響應超時視為故障接口調(diào)用超時3秒網(wǎng)絡通信/服務調(diào)用9.4.3 故障恢復策略恢復策略原理舉例適用場景重試失敗后重新執(zhí)行網(wǎng)絡請求失敗重試3次瞬時故障回滾恢復到操作前的狀態(tài)數(shù)據(jù)庫事務回滾事務性操作降級關閉非核心功能保核心雙11關閉評論功能高并發(fā)/資源不足熔斷檢測到持續(xù)故障后斷開下游服務不可用時熔斷微服務調(diào)用鏈切換切換到備用組件主備數(shù)據(jù)庫切換主備架構(gòu)記憶技巧重試 電話沒接再打一次回滾 寫錯字了用橡皮擦掉降級 錢不夠了先保吃飯不買衣服熔斷 保險絲燒斷了保護整個電路切換 主力受傷替補上場9.5 故障樹分析FTA★★ 常考概念定義從頂層故障事件出發(fā)逐層向下分析原因用邏輯門與門、或門連接形成樹狀圖。通俗解釋就像醫(yī)生診斷——“病人發(fā)燒了”頂層事件為什么“可能是感染或可能是免疫反應”或門再往下分析感染的原因…基本符號符號名稱含義圖形─ ─ ─與門AND所有輸入事件都發(fā)生輸出才發(fā)生半圓直線∨或門OR任一輸入事件發(fā)生輸出就發(fā)生弧線○基本事件最底層的故障原因圓形▽中間事件可繼續(xù)分解的故障事件矩形△頂事件分析的頂層故障矩形最上方與門 vs 或門對比與門AND或門OR邏輯A且B → 故障A或B → 故障含義所有條件都滿足才故障任一條件滿足就故障可靠性提高可靠性需要多個同時壞降低可靠性一個壞就完概率計算P P? × P?P 1-(1-P?)(1-P?)類比兩把鎖都打開才能進門任何一把鎖打開就能進門記憶技巧與門 串聯(lián) 都壞才壞 可靠性高像兩道門鎖或門 并聯(lián) 一個壞就壞 可靠性低像多個隱患任一觸發(fā)最小割集概念定義導致頂事件發(fā)生的最少基本事件組合。通俗解釋找出最少需要壞幾個零件系統(tǒng)就會出問題的組合。舉例系統(tǒng)故障頂事件 / \ 或門 或門 / \ / \ 事件A 與門 事件D 事件E / \ 事件B 事件C 最小割集{A}, {B,C}, {D}, {E} 含義A單獨壞就故障、B和C同時壞才故障、D單獨壞就故障、E單獨壞就故障??考點最小割集越少、包含的事件越多系統(tǒng)越可靠。單點故障只有一個事件的割集是最危險的9.6 可靠性測試與評估可靠性測試類型測試類型目的方法關注點可靠性驗證測試驗證是否達到可靠性指標在模擬環(huán)境下長時間運行是否達標可靠性增長測試發(fā)現(xiàn)缺陷并修復提升可靠性測試→修復→測試循環(huán)可靠性是否在提升壓力測試在極限條件下測試超負載、大數(shù)據(jù)量運行系統(tǒng)極限表現(xiàn)故障注入測試模擬故障測試容錯能力人為注入故障容錯和恢復能力可靠性增長模型通俗解釋就像打怪升級——每發(fā)現(xiàn)一個bug并修復可靠性就提升一點?？煽啃?↑ │ ╱──── 目標可靠性 │ ╱ │ ╱ │ ╱ ← 可靠性增長曲線 │ ╱ │╱ └──────────────→ 測試時間三、重點歸納 速記口訣3.1 必背要點清單編號要點重要度1可靠性的定義與四要素★★★★2失效-故障-錯誤的因果鏈★★★★3MTTF、MTTR、MTBF的定義與關系★★★★★4可用性計算公式 AMTTF/(MTTFMTTR)★★★★★5串聯(lián)系統(tǒng)可靠性計算 RR?×R?×…×R?★★★★★6并聯(lián)系統(tǒng)可靠性計算 R1-(1-R?)(1-R?)…★★★★★7混聯(lián)系統(tǒng)計算方法先并后串★★★★★8NVP與RB的區(qū)別★★★★★9四種冗余策略硬件/軟件/信息/時間★★★★10故障樹中與門、或門的含義★★★★11最小割集的概念★★★12浴盆曲線的三個階段★★★★3.2 速記口訣可靠性三兄弟因果鏈“錯→障→失”錯Error→障Fault→失Failure寫錯了 → 有故障了 →失敗了可靠性指標“失可靠MT三兄弟”失效率λ、可靠度R(t)MTTF無故障時間、MTTR修復時間、MTBF間隔時間MTBF MTTF MTTR串聯(lián) vs 并聯(lián)“串聯(lián)相乘越來越小并聯(lián)互補越來越大”串聯(lián)R R?×R? → 越多越不可靠一串鞭炮并聯(lián)R 1-(1-R?)(1-R?) → 越多越可靠多個保安NVP vs RB“NVP多人同時投票選RB一人輪流做對交”NVP 高考閱卷多人獨立同時運行投票RB 考試換解法同一人依次運行驗收測試四種冗余“硬軟信時”硬件冗余、軟件冗余、信息冗余、時間冗余聯(lián)想“硬軟信時”→ 硬軟件信息時代故障樹“與門串聯(lián)都壞才壞或門并聯(lián)一壞就壞”浴盆曲線“早高中低晚又高中間穩(wěn)定最可靠”四、歷年真題 考點映射4.1 近5年真題匯總年份題型分值考點內(nèi)容2024選擇題2分串聯(lián)/并聯(lián)系統(tǒng)可靠性計算2024選擇題2分NVP與RB的區(qū)別2024案例分析25分給出系統(tǒng)架構(gòu)要求設計容錯方案計算系統(tǒng)可靠性2023選擇題2分可用性計算MTTF/MTTR2023選擇題2分浴盆曲線三個階段2023案例分析25分故障樹分析求最小割集提出可靠性改進方案2022選擇題2分串聯(lián)系統(tǒng)可靠性計算2022選擇題2分冗余策略類型判斷2022案例分析25分混聯(lián)系統(tǒng)可靠性計算 容錯設計分析2021選擇題2分MTBF與MTTF的關系2021選擇題2分失效-故障-錯誤的關系2021案例分析25分給出系統(tǒng)可靠性需求設計冗余方案并計算2020選擇題2分并聯(lián)系統(tǒng)可靠性計算2020選擇題2分N版本程序設計的特點2020案例分析25分故障樹分析 可靠性分配2019選擇題2分可用性等級2019選擇題2分恢復塊設計的特點2019案例分析25分綜合題可靠性計算 容錯架構(gòu)設計 故障分析4.2 出題規(guī)律分析規(guī)律說明必考計算題每年至少1道可靠性計算題串聯(lián)/并聯(lián)/混聯(lián)NVP vs RB 輪流出幾乎每年都考這兩個的區(qū)別選擇題或案例填空故障樹分析高頻案例分析中常考畫故障樹、求最小割集可用性計算必考MTTF/MTTR/MTBF的計算幾乎年年考容錯設計是案例核心案例分析題常要求設計容錯方案并說明理由浴盆曲線常出選擇三個階段的特點和應對策略五、典型例題 解析例題1選擇題題目某系統(tǒng)由3個組件組成組件A和B并聯(lián)后再與組件C串聯(lián)。已知A、B、C的可靠度分別為0.9、0.8、0.95則該系統(tǒng)的可靠度為 。A. 0.684B. 0.931C. 0.722D. 0.855答案B解析第一步計算A和B并聯(lián)的可靠度R_AB 1 - (1-0.9) × (1-0.8) 1 - 0.1 × 0.2 1 - 0.02 0.98第二步計算與C串聯(lián)的可靠度R R_AB × R_C 0.98 × 0.95 0.931答案選B例題2選擇題題目某系統(tǒng)MTTF為498小時MTTR為2小時則系統(tǒng)可用性約為 MTBF為 。A. 99.6%500小時B. 99.6%498小時C. 99.0%500小時D. 99.0%498小時答案A解析MTBF MTTF MTTR 498 2 500小時可用性 A MTTF / (MTTF MTTR) 498 / 500 0.996 99.6%答案選A例題3案例分析題題目某金融交易系統(tǒng)需要設計高可用架構(gòu)系統(tǒng)可靠性要求達到99.99%。現(xiàn)有以下組件Web服務器可靠度0.99應用服務器可靠度0.98數(shù)據(jù)庫服務器可靠度0.97問題如果三個組件串聯(lián)系統(tǒng)可靠度是多少是否滿足要求如果不滿足請設計一個冗余方案使其滿足99.99%的要求。請說明NVP和RB在該系統(tǒng)中如何應用并分析哪種更適合。參考答案問題1R_串聯(lián) 0.99 × 0.98 × 0.97 0.9411 94.11%94.11% 遠低于 99.99% 的要求不滿足。問題2對每個組件增加一個熱備并聯(lián)形成雙機熱備方案Web服務器R_W 1 - (1-0.99)2 1 - 0.0001 0.9999 應用服務器R_A 1 - (1-0.98)2 1 - 0.0004 0.9996 數(shù)據(jù)庫服務器R_D 1 - (1-0.97)2 1 - 0.0009 0.9991串聯(lián)后R 0.9999 × 0.9996 × 0.9991 ≈ 0.9986 99.86%仍不滿足99.99%。需要對數(shù)據(jù)庫最薄弱環(huán)節(jié)增加更多冗余數(shù)據(jù)庫采用3節(jié)點1主2從 R_D 1 - (1-0.97)3 1 - 0.000027 0.999973 R 0.9999 × 0.9996 × 0.999973 ≈ 0.9995 ≈ 99.95%繼續(xù)優(yōu)化應用服務器也采用3節(jié)點R_A 1 - (1-0.98)3 1 - 0.000008 0.999992 R 0.9999 × 0.999992 × 0.999973 ≈ 0.9999 ≈ 99.99% ?問題3對比維度NVP方案RB方案開發(fā)方式3個獨立團隊分別開發(fā)支付模塊同一團隊開發(fā)3個版本運行方式3個版本同時運行投票決定依次執(zhí)行驗收通過后輸出適用性更適合本系統(tǒng)需要狀態(tài)回滾復雜度高推薦NVP理由金融系統(tǒng)對正確性要求極高NVP的投票機制能發(fā)現(xiàn)設計缺陷金融交易涉及資金安全需要多團隊獨立實現(xiàn)以降低共性錯誤風險雖然RB開發(fā)成本較低但金融交易的狀態(tài)回滾復雜RB實現(xiàn)難度大六、易錯點 避坑指南6.1 常見錯誤一覽錯誤正確理解糾正建議? “串聯(lián)越多越可靠”串聯(lián)越多越不可靠并聯(lián)越多才越可靠記住串聯(lián)鞭炮并聯(lián)保安? “MTBF MTTF”MTBF MTTF MTTRMTBF是間隔時間包含修復時間? “可用性 MTTR/MTBF”可用性 MTTF/MTBF分子是無故障時間好的時間? “NVP和RB是一樣的”NVP多人同時投票RB一人輪流驗收口訣NVP高考閱卷RB換解法? “故障樹中或門提高可靠性”或門意味著任一事件就故障降低可靠性與門都壞才壞安全或門一壞就壞危險? “有故障就一定會失效”有故障不一定失效像攜帶病毒但未發(fā)病錯誤→故障→失效是因果鏈不是等價? “并聯(lián)計算是R?×R?”并聯(lián)是 1-(1-R?)(1-R?)串聯(lián)才是R?×R?先分清串并聯(lián)再選公式? “可靠性高可用性高”可靠性高≠可用性高可能不壞但修得慢可靠不生病可用病了快好6.2 計算題答題模板可靠性計算題標準步驟第一步畫出系統(tǒng)可靠性框圖 第二步識別串并聯(lián)關系 第三步先算并聯(lián)部分 第四步再算串聯(lián)部分 第五步得出最終結(jié)果與要求對比案例分析題答題模板1. 分析可靠性需求目標值是多少 2. 計算當前可靠性串聯(lián)/并聯(lián)公式 3. 設計冗余方案對薄弱環(huán)節(jié)加并聯(lián) 4. 重新計算驗證是否達標 5. 說明選擇的容錯策略及理由本章小結(jié)本章的核心就是四件事——理解可靠性概念定義指標、會算可靠性串聯(lián)/并聯(lián)/混聯(lián)、會設計容錯方案NVP/RB/冗余策略、會分析故障故障樹最小割集。其中計算題和NVP vs RB是每年必考必須熟練掌握本文基于系統(tǒng)架構(gòu)設計師考試大綱編寫適合備考復習使用。如有問題歡迎評論區(qū)交流討論