可用性的两大决定因素：MTBF与MTTR

谈可用性不需要绕来绕去，谈SLA即可——一个服务至少要做到99.9%（3个9）才算基本可用、算合格产品，否则很难被真正使用。从3个9迈向4个9，是一次巨大的进步：全年不可用时间从约8小时压缩到52.6分钟。要注意SLA是一个多层、多级、全球化的概念，具体到每个单一节点未必有那么高的要求（比如某个具体机房的集群节点可能只是按3个9设计的）；而且SLA除了用来谈年度客户赔款条款外，一般没有太大实际工程指导意义，真正有工程价值的是季度、月度、甚至周度SLA——这个更短周期的观测视角，挑战会大得多。为了系统地分解”提升SLA”这个大问题，需要引入两个工业级概念：MTBF（Mean Time Between Failures，平均无故障时间，通俗讲就是”这东西有多不可靠，多久坏一次”）和MTTR（Mean Time To Recover，平均恢复时间，坏了之后恢复服务要多久）。一个服务的可用度，本质上就取决于MTBF和MTTR这两个因子，从这个公式出发，高可用架构的基本路数就理清楚了：要么提高MTBF（让系统更不容易坏），要么降低MTTR（坏了之后更快恢复），除此之外别无他法——这条极简的归纳把”如何做高可用架构”这个庞大的问题，收敛成了两个可以分别独立优化的具体方向，任何一项具体的高可用技术手段，最终都可以归类到”提高MTBF”或”降低MTTR”这两类里去理解。