跳转到内容

可用性

来自VeritasWiki 真理百科

可用性(英文:Availability)是指设备或系统在任一时刻需要开始执行任务时,处于可工作或可使用状态的程度;其概率度量称为可用度。[1]在集成电路制造设备术语国家标准中,可用性被表述为"当需要时,设备处于可以执行其预定功能的可能性"。[2]两种表述指向同一件事:用户关心的不是设备"设计得多好",而是"要用的时候能不能用"。

一个常被混淆的区分

可用性与可靠性最容易被当成同义词,但二者回答的是不同问题。可靠性指产品在规定条件下和规定时间区间内完成规定功能的能力,关注的是"在这段时间里不出故障的概率";可用性则是可用时间占总时间的比例,关注的是"长期看有多大比例的时间处于可用状态"。[3]

两者的差别可以用一个例子说明:某设备一年只坏一次,但每次故障都要等两周备件、再请专家上门,则其可靠性很高,可用性却很差;另一设备三个月坏一次,但每次十分钟就能换件恢复,其可靠性较低,可用性反而可能更好。对使用者而言,真正感受到的是可用性——停机造成的中断、损失与抱怨,都发生在"不可用"的时间里。

更准确地说,可用性是可靠性、维修性和维修保障性的综合反映:在要求的外部资源得到保证的前提下,产品在规定条件下、规定的时刻或时间区间内处于可执行规定功能状态的能力。[4]"外部资源得到保证"这一限定很重要——备件、人员、工具不到位导致的等待,严格说属于保障性问题,但在工程实践中同样计入了停机时间。

两个杠杆

在稳态条件下,可用度常用一个简洁的比值表示:A = MTBF /(MTBF + MTTR)。其中 MTBF 为平均故障间隔时间,即可修复产品两次相邻故障之间的平均时间,亦称平均无故障时间;MTTR 为平均维修时间,即可修复产品从出现故障到修复所需时间的平均值。[5]

这个公式的价值在于,它把可用性拆成了两个可以分别改进的方向:延长 MTBF,即让故障少发生——依靠更高质量的元器件、降额设计、定期维护与环境控制;缩短 MTTR,即让故障快恢复——依靠冗余配置、自动切换、远程诊断与备件前置。[6]

两个杠杆的成本结构不同。提高 MTBF 通常需要从设计端入手,投入大、周期长,且存在物理极限;降低 MTTR 则更多依赖架构与运维安排,见效相对快。工程上的取舍,往往取决于故障后果的严重程度:对连续生产装置,停机一分钟的损失可能远超冗余设备的采购成本,此时"用钱买时间"是理性的;对非关键设备,则未必值得。

架构如何改变结果

单台设备的可用度再高,也只是系统的一个环节。系统的整体可用性取决于连接方式。

串联结构中,任一环节失效都会导致整体失效,系统可用度为各环节可用度之积:A = A₁×A₂×…×Aₙ。这意味着环节越多,整体可用性越低——两个可用度均为 99% 的环节串联,整体可用度即降为 98.01%。[7]这一算术关系解释了一个常见现象:单机指标都很漂亮,组成的系统却频繁出问题,原因往往在于链条过长,且最弱的一环决定了整体水平。

并联冗余则相反。只要有一个环节可用,系统即可工作,整体可用度为 A = 1 −(1 − A₁)×(1 − A₂)×…,两个 99% 的环节并联,整体可用度升至 99.99%。[8]冗余之所以有效,是因为它让"同时失效"成为小概率事件;但它也有代价——设备翻倍、维护工作量增加、切换逻辑本身可能引入新的故障模式。

冗余按备用状态可分为几类。热备冗余中,备用系统与主系统同步运行,实时接收输入并同步状态,主系统故障时可无扰切换,切换时间可控制在 100 毫秒以内,MTTR 接近零;冷备冗余中,备用系统不通电,故障后需人工启动,MTTR 较长;温备冗余介于两者之间,备用系统通电但不处理过程数据,按一定间隔同步状态。[9]对连续生产过程,热备是首选;对非连续生产或预算有限的项目,温备是可接受的折中。

"几个九"的语言

工程界习惯用"九"的个数描述可用性水平。99% 称两个九,99.9% 称三个九,依此类推。这种表达之所以流行,是因为它把抽象的百分比转换成了可以感知的停机时间:在全年 8760 小时的尺度上,99.9% 对应约 8.76 小时的不可用,99.99% 对应约 52.6 分钟,99.999% 则只有约 5.3 分钟。

每增加一个九,代价往往成倍上升。这也是为什么不同业务会选择不同的目标:普通办公系统三个九已足够,核心交易系统通常要求四个九以上,而对连续性和安全性要求极高的场景才会追求五个九。目标定得过高而无法维持,反而会造成资源错配。

设计端的功课

可用性不是测试出来的,而是设计进去的。工程上有几条被反复验证的原则。

其一是消除单点故障。任何"一旦失效就导致整体不可用"的环节,都是需要优先处理的对象;识别单点的方法,是沿着数据流与能量流逐段追问"这里坏了会怎样"。

其二是故障隔离与可诊断。系统应能及时、准确地确定自身状态并隔离内部故障,这一能力在术语体系中称为测试性;[10]故障若不能被快速定位,MTTR 就无从压缩。

其三是可维修性设计。维修性指在规定的条件下和规定的时间内,按规定的程序和方法进行维修时,保持或恢复规定状态的能力,常用平均修复时间 MTTR 表征。[11]模块化、标准化接口、可达性、防错插设计,都是把"修得快"写进结构里的手段。

其四是运维数据的闭环。可用性的实际值只能在运行中统计,故障记录、修复时长、备件消耗构成改进的输入。缺少这一闭环,设计端的假设就无法被验证,改进也就失去了方向。

服务的可用性

当对象从设备变为在线服务,可用性的含义进一步细化。用户感知到的"能不能用",取决于整条链路:网络接入、负载均衡、应用服务、数据库、第三方依赖,任一环节不可用都可能表现为"打不开"。因此服务可用性通常按端到端统计,并要求区分"完全不可用"与"功能降级"——后者指核心功能仍可用、部分功能受限,其影响小于全面中断。

由此产生两类常见安排。一是冗余部署,通过多副本与自动故障转移消除单点;二是降级预案,在资源紧张时主动关闭非核心功能,保住主流程。两者的共同前提,是对"哪些功能不可放弃"有明确排序,这属于业务判断,而非技术判断。可用性指标若脱离业务后果单独设定,很容易变成数字游戏:把统计口径放宽,指标立刻变好,用户的不满却不会减少。

参考资料