知识卡片
硬件故障是常态需软件隔离
一个集群一年平均有几千起物理服务器损坏、损失几千块硬盘,乘上集群数量,硬件故障就是每天发生的常态而非意外。因此要用系统管理软件把硬件故障与业务用户隔离开,业务团队运行软件服务器时也不必每天处理坏机器,硬件和机房设施交给专门团队维护。发散:规模大到一定程度,设计前提就要从“尽量不坏”换成“一直在坏”。参见[[物理与逻辑服务器解耦的调度自由度]]。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第2章 Google 生产环境:SRE视角 · 查看原书依据
因为一个集群中包括很多硬件设备,每天硬件设备的损坏量很高。在一年内,一个单独集群中平均会发生几千起物理服务器损坏事件,会损失几千块硬盘。当把这些数字乘以Google现有的集群数量时,这些数字就有点令人难以置信了。所以,想将硬件故障与实际业务用户隔离开来。
参考来源
- 位置:《SRE:Google运维解密》第2章《Google 生产环境:SRE视角》(源文件:`_epub-src/OEBPS/Text/0007_0002.xhtml`)
- 结论依据:原文给出单集群每年数千起服务器与硬盘损坏的量级,并据此说明要用软件把硬件故障与业务用户隔离开来。
- 原始内容:因为一个集群中包括很多硬件设备,每天硬件设备的损坏量很高。在一年内,一个单独集群中平均会发生几千起物理服务器损坏事件,会损失几千块硬盘。当把这些数字乘以Google现有的集群数量时,这些数字就有点令人难以置信了。所以,想将硬件故障与实际业务用户隔离开来。