高可用

高级研发工程师和架构师的区别不在于掌握了多少技术，而在于你所能驾驭系统的边界。这其实也反映了一个研发工程师的成长历程，起初独立负责一个功能，然后负责一个系统模块，再负责一个系统，最后负责多个系统或业务条线。

服务等级协议（Service-Level Agreement，SLA）

• 一般来讲，2 个 9 表示系统基本可用，年度不可用时间小于 88 小时。

• 3 个 9 是较高可用，年度不可用时间小于 9 个小时。

• 4 个 9 是具有自动恢复能力的高可用，年度不可用时间小于 53 分钟。

• 5 个 9 指极高的可用性，年度不可用时间小于 5 分钟。

在电商平台中（比如淘宝、京东、拼多多），系统可用性大多是 4 个 9

先摆明度量的两种方式，“N 个 9” 和 “影响请求量占比”，然后再结合实际业务场景表明第二种方式的科学性。

要有一个思路的闭环，“可评估”“可监控”“可保证”

• 如何评估系统高可用？

• 如何监控系统高可用？

• 如何保证系统高可用？

监控系统包括三个部分：基础设施监控报警、系统应用监控报警，以及存储服务监控报警。

监控报警指标分为两种类型。

• 系统要素指标：主要有 CPU、内存，和磁盘

• 网络要素指标：主要有带宽、网络 I/O、CDN、DNS、安全策略、和负载策略。

监控工具常用的有ZABBIX（Alexei Vladishev 开源的监控系统，覆盖市场最多的老牌监控系统，资料很多）、Open-Falcon（小米开源的监控系统，小米、滴滴、美团等公司内部都在用）、Prometheus（SoundCloud 开源监控系统，对 K8S 的监控支持更好）。这些工具基本都能监控所有系统的 CPU、内存、磁盘、网络带宽、网络 I/O 等基础关键指标，再结合一些运营商提供的监控平台，就可以覆盖整个基础设施监控。

• 系统应用监控

系统应用监控报警的核心监控指标主要有流量、耗时、错误、心跳、客户端数、连接数等 6 个核心指标，监控工具有 CAT、SkyWalking、Pinpoint、Zipkin 等。

• 存储服务监控

 DB、ES、Redis、MQ 

有一个全局的监控视角，比掌握很多监控指标更为重要