在系統(tǒng)的高可靠性（也稱為可用性，英文描述為HA，High Available）里有個衡量其可靠性的標(biāo)準(zhǔn)——X個9，這個X是代表數(shù)字3~5。X個9表示在系統(tǒng)1年時間的使用過程中，系統(tǒng)可以正常使用時間與總時間（1年）之比，我們通過下面的計算來感受下X個9在不同級別的可靠性差異。

• 3個9：(1-99.9%)*365*24=8.76小時，表示該系統(tǒng)在連續(xù)運行1年時間里最多可能的業(yè)務(wù)中斷時間是8.76小時。

• 4個9：(1-99.99%)*365*24=0.876小時=52.6分鐘，表示該系統(tǒng)在連續(xù)運行1年時間里最多可能的業(yè)務(wù)中斷時間是52.6分鐘。

• 5個9：(1-99.999%)*365*24*60=5.26分鐘，表示該系統(tǒng)在連續(xù)運行1年時間里最多可能的業(yè)務(wù)中斷時間是5.26分鐘。

那么X個9里的X只代表數(shù)字3~5，為什么沒有1~2，也沒有大于6的呢？我們接著往下計算：

• 1個9：(1-90%)*365=36.5天

• 2個9：(1-99%)*365=3.65天

• 6個9：(1-99.9999%)*365*24*60*60=31秒

可以看到1個9和、2個9分別表示一年時間內(nèi)業(yè)務(wù)可能中斷的時間是36.5天、3.65天，這種級別的可靠性或許還不配使用“可靠性”這個詞；而6個9則表示一年內(nèi)業(yè)務(wù)中斷時間最多是31秒，那么這個級別的可靠性并非實現(xiàn)不了，而是要做到從“5個9” 到“6個9”的可靠性提升的話，后者需要付出比前者幾倍的成本。

【MTBF】MTBF,即平均故障間隔時間，英文全稱是“Mean Time Between Failure”。是衡量一個產(chǎn)品（尤其是電器產(chǎn)品）的可靠性指標(biāo)。單位為“小時”。具體來說，是指相鄰兩次故障之間的平均工作時間，也稱為平均故障間隔。

概括地說，產(chǎn)品故障少的就是可靠性高，產(chǎn)品的故障總數(shù)與壽命單位總數(shù)之比叫“故障率”（Failure rate）。它僅適用于可維修產(chǎn)品。同時也規(guī)定產(chǎn)品在總的使用階段累計工作時間與故障次數(shù)的比值為MTBF。磁盤陣列產(chǎn)品一般MTBF不能低于50000小時。

【失效率】失效率是指工作到某一時刻尚未失效的產(chǎn)品，在該時刻后，單位時間內(nèi)發(fā)生失效的概率。一般記為λ，它也是時間t的函數(shù)，故也記為λ(t)，稱為失效率函數(shù)，有時也稱為故障率函數(shù)或風(fēng)險函數(shù)。

失效率 λ＝1/MTBF，單位1FITs＝10-9（1/h）

【MTTR】MTTR，全稱是Mean Time To Repair，即平均修復(fù)時間。是指可修復(fù)產(chǎn)品的平均修復(fù)時間，就是從出現(xiàn)故障到修復(fù)中間的這段時間。MTTR越短表示易恢復(fù)性越好。

MTTR也必須包含獲得配件的時間，維修團(tuán)隊的響應(yīng)時間，記錄所有任務(wù)的時間，還有將設(shè)備重新投入使用的時間。是一個縮寫的平均時間恢復(fù)或平均修復(fù)時間代表的平均時間將有缺陷的部件或系統(tǒng)恢復(fù)工作秩序。 

它是衡量一個系統(tǒng)的可維護(hù)性和可預(yù)測的平均所需的時間讓系統(tǒng)工作的情況下再次出現(xiàn)系統(tǒng)故障。 MTTR可以從幾個毫秒，如不間斷電源（UPS）的許多數(shù)小時甚至數(shù)天的情況下的應(yīng)用軟件或復(fù)雜的機制。

【修復(fù)率】修復(fù)率(μ) repair rate 產(chǎn)品維修性的一種基本參數(shù)。修理時間已達(dá)到某個時刻但尚未修復(fù)的產(chǎn)品，在該時刻后的單位時間內(nèi)完成修理的概率。

經(jīng)常用到所謂4個9或者5個9，也就是99.99%與99.999%。那么，4個9或者5個9的差距有多大，差距是0.009%，還不到0.01%。但對于系統(tǒng)而言，恰恰是這不到0.01%的差距，決定了系統(tǒng)完全不在一個檔次上。

所謂5個9的系統(tǒng)，一年內(nèi)不能正常工作的時間少于5分15秒。對應(yīng)4個9的系統(tǒng)是不超過52分36秒。這些都是理論上的數(shù)據(jù)，在實際工作中有些故障導(dǎo)致的宕機時間遠(yuǎn)超過5分鐘，即使采用大型主機，也有宕機4個多小時的慘痛教訓(xùn)。問題出在哪里？

一個系統(tǒng)的可靠性并不完全取決于硬件，而由軟件和硬件共同來決定，如果是軟件問題，最好的解決辦法就是打補丁、升級，再好的硬件也沒有辦法解決軟件的問題。要提高系統(tǒng)的可靠性，軟件是沒有太好辦法的，只有依靠廠商服務(wù)來解決問題。

用戶可以選擇的只有硬件，其中，包括網(wǎng)絡(luò)、服務(wù)器以及存儲設(shè)備。其中，網(wǎng)絡(luò)可以借助多運營商接入來解決，存儲有RAID、快照等應(yīng)對技術(shù)，通過備份來提高數(shù)據(jù)安全性。但對于服務(wù)器來說，更多用戶的選擇是采用雙機集群的方法。

采用雙機集群的方案是達(dá)不到5個9的要求的。原因很簡單，雙機集群是通過集群軟件來構(gòu)建方案的，當(dāng)其中的一臺服務(wù)器產(chǎn)生故障的時候，切換到備份主機繼續(xù)工作，保持業(yè)務(wù)連續(xù)性。設(shè)備之間也可以依靠心跳線連接對故障進(jìn)行判定。

對于集群而言，故障切換是有嚴(yán)格要求的，要求主機、備用機的環(huán)境是一致的。在應(yīng)用實踐中，要求管理要到位，例如同步升級、升級，打補丁。如果管理不到位，很有可能會導(dǎo)致切換失敗。這也是為什么，系統(tǒng)可以在演示環(huán)境下成功切換，但現(xiàn)實中往往做不到的原因。

來源：硬件十萬個為什么