1. 引言
在本教程中，我们将探讨高可用性（High Availability）与容错（Fault Tolerance）这两个概念之间的异同。
随着网络技术的发展和云计算的普及，联网服务已经深入到我们生活的方方面面。服务提供商需要确保这些服务在任何时间、任何地点都能正常访问。为此，他们通常会签订最低服务可用性协议，并采用各种容错与恢复机制来保障服务的连续性。
虽然这两个概念常常被混为一谈，但实际上它们并不等价。接下来我们将先介绍背景知识，然后分别深入探讨高可用性和容错机制，最后通过对比帮助你更清晰地理解它们的差异和适用场景。
2. 背景知识
尽管高可用性和容错机制早已存在，但真正推动其发展的，是云计算的普及。
云计算通过互联网提供各种计算资源，使得服务方能够在线部署服务，供全球用户访问。常见的服务模式包括：
- 基础设施即服务（IaaS）
- 平台即服务（PaaS）
- 软件即服务（SaaS）
无论采用哪种模式，用户都期望在需要时能立即访问这些服务。这就对系统的稳定性和可靠性提出了更高的要求，高可用和容错机制正是为了解决这一问题而设计的。
2.1 冗余（Redundancy）
在讨论高可用和容错之前，我们必须理解一个关键概念：冗余。
冗余是指部署多个系统组件的副本（硬件或软件）。这些副本在正常运行时并非必须，但在故障发生时能确保服务不中断。
冗余是实现高可用和容错的基础。接下来我们会看到，两者在冗余的使用方式上有所不同。
3. 高可用性（High Availability）
高可用性是一种设计目标，旨在尽可能减少系统或服务的停机时间。
它的核心目标是保持系统持续可用。通常通过服务可用时间百分比来衡量。常见的可用性等级如下：
| 可用率 | 最大年停机时间 |
|---|---|
| 90%（一个九） | 约36.5天 |
| 99%（两个九） | 约3.65天 |
| 99.9%（三个九） | 约8.77小时 |
| 99.99%（四个九） | 约52.6分钟 |
| 99.999%（五个九） | 约5.26分钟 |
更高的可用性意味着更小的停机时间，但也意味着更高的成本。实际选择时应根据服务等级协议（SLA）来决定合适的可用性等级。
3.1 高可用系统的实现方式
高可用系统通常依赖组件复制来实现，这些复制的组件组成一个高可用集群（High Availability Cluster）。
集群中的组件共享资源，如数据库、配置文件等。当主节点出现故障或负载过高时，备用节点可以迅速接管服务。
下图是一个简化的高可用系统架构示意图：
备用系统通常处于“待命”状态，只在主系统故障时才启用。从主系统故障到备用系统启动的时间被视为非运行时间，这个时间越短，系统的可用性越高。
✅ 踩坑提醒：不要盲目追求“五个九”，除非你的业务真的需要。否则，高可用带来的成本和复杂度可能远超预期。
4. 容错（Fault Tolerance）
容错是指系统在出现故障时仍能继续正常运行的能力。
容错系统不仅能检测和处理故障，还能在不影响服务的前提下恢复组件。它强调的是即使某些组件失效，系统整体仍能提供正确服务。
容错的关键在于系统对故障的定义和处理方式。常见的故障模型有：
- Fail-stop：组件直接崩溃，停止工作
- Fail-silent：组件未崩溃，但未按预期响应
- Byzantine（拜占庭故障）：组件行为不可预测，可能时好时坏
容错系统的设计目标是在一定数量的故障发生时，仍能输出正确结果。
4.1 容错系统的实现方式
容错系统通常也依赖组件复制，但与高可用系统不同的是，这些组件独立运行并协作，通过多数投票机制确定最终结果。
假设系统需要容忍 f 个故障，通常需要至少 n 个副本，其中：
- 对于 Fail-stop 故障，n ≥ 2f + 1
- 对于 Byzantine 故障，n ≥ 3f + 1
下图展示了一个容错 DNS 系统的简单示意图：
除了冗余，容错系统还强调多样性（Diversity），即使用不同的实现方式来降低共性故障的风险。
❌ 踩坑提醒：容错系统成本高、复杂度高，适合对可靠性要求极高的场景，如金融交易、航空航天等。
5. 对比总结
| 特性 | 高可用（High Availability） | 容错（Fault Tolerance） |
|---|---|---|
| 目标 | 最小化系统停机时间 | 即使有故障也能正常运行 |
| 核心机制 | 冗余、共享资源 | 冗余、复制、多样性 |
| 基础设施 | 多个冗余组件 + 管理系统 | 多个复制组件 + 协作机制 |
| 优点 | 成本较低、易扩展、负载均衡 | 零中断、无数据丢失 |
| 缺点 | 难以维持高可用等级、可能有数据丢失 | 系统复杂、成本高昂 |
⚠️ 注意：高可用 ≠ 容错，但二者可以结合使用，打造既稳定又可靠的系统。
6. 总结
随着网络服务的普及，越来越多的关键业务依赖于在线系统。在这种背景下，高可用性和容错成为现代系统设计中不可或缺的两个方面。
- 高可用性关注的是系统的持续运行能力，强调最小化停机时间
- 容错则更进一步，要求系统在出现故障时仍能正确运行
它们各有侧重，适用于不同场景。合理选择并结合使用，才能构建出真正健壮的系统。
✅ 总结建议：
- 如果你追求的是“服务不中断”，优先考虑高可用方案
- 如果你的系统不能容忍任何错误输出，必须使用容错机制
- 实际项目中，往往需要将两者结合使用
高可用和容错是系统架构设计中的“双子星”，缺一不可。掌握它们的原理和适用场景，是每位高级工程师的必修课。