接口级故障的特征与成因，及应对的共通思想

异地多活主要应对的是系统级故障（机器宕机、机房故障、网络故障），这类故障影响大但发生概率较低。还有一类故障影响相对较小、但发生概率明显更高——接口级故障：系统本身没宕机、网络也没中断，但业务却出问题了，典型表现是响应缓慢、大量访问超时、大量访问出现异常（比如给用户弹出”无法连接数据库”）。这类问题的根源通常是系统压力太大、负载太高，导致无法快速处理业务请求，进而引发一连串后续问题——最常见的场景是某个数据库慢查询把数据库服务器资源耗尽，导致读写超时，业务在读写数据库时要么连不上、要么超时，用户看到的现象就是访问一会儿很慢、一会儿抛异常、一会儿又恢复正常。接口级故障的成因分两类：内部原因（程序bug导致死循环、某个接口触发数据库慢查询、程序逻辑不完善耗尽内存等）；外部原因（黑客攻击、促销或抢购带来平时几倍甚至几十倍的用户量、第三方系统大量请求或响应缓慢等）。应对接口级故障的核心思想和[[技巧1：保证核心业务的异地多活，而非所有业务]]、[[技巧4：只保证绝大部分用户的异地多活，及银行”转账申请”式设计]]是相通的：优先保证核心业务、优先保证绝大部分用户，而不是奢望100%的功能和用户都不受影响。