Stratus：看透可靠性 看透容错

沙地建楼，搞不好就会 "楼歪歪"。信息化也是如此，没有可靠性，业务也会没有保障。据有关机构统计，金融企业每次宕机损失平均为1000万美元，公司声誉等无形资产损失更是无法估量。系统可靠性，是信息化应用的前提。

为了追求系统可靠性，企业在信息化建设上投入大量的资金，从"两地三中心"，到系统冗余，数据备份，目的就是一个保障系统的安全可靠。对于关键业务应用而言，需要系统7×24×365不间断运行，对可靠性要求为99.999%，也就是全年累计的宕机时间不超过5分钟。

为了追求可靠性，双机冗余是最常采用的解决方案，也就是双机热备。通过采购2套系统，当一台机器出现故障的时候，另外一台机器接替其工作，确保系统不中断运行，两台机器之间依靠心跳线侦测进行判断和切换，接管服务。为了提高投资效率，两套系统之间尽可能采用互备、主从、并行等不同工作方式。尽管如此，采用双机热备，软件/硬件投资加倍，增加了用户负担。更为重要的是，采用心跳线侦测的方法，有时候会出现误报的问题，增加了新的不安全的因素。

从技术上看，双机热备的系统可靠性只有99.9%的水平，全年累计宕机时间不会超过8.8小时。要想实现99.999%，也就是5个9的水平，只有选用容错服务器。

容错服务器的代表厂商是美国的Stratus公司。从1980年Bill Fost创办Stratus至今，容错服务器已有30多年历史。期间容错服务器得到了很多投资人青睐，英特尔就是Stratus的第2大股东。

与双机热备方案相比，容错容易被用户忽略，价格高是其中很重要的原因。以往，容错服务器以往动辄上百万元，接近了小型机价格。高价位影响了容错的服务器的推广应用。但随着x86芯片技术不断进步，特别是多核技术的发展，容错服务器迎来新的发展机遇。以Stratus为首，容错开始抛弃专用芯片，采用x86通用芯片。如今Stratus入门级产品只需要10多万元。

单就硬件成本来说，容错还是高于双机热备。但从系统角度来考虑，特别是考虑软件的成本，容错服务器是一台机器，操作系统、数据库等软件只需要购买一套，可以大大节省软件的成本。也是因为这个原因，软件厂商从商业利益的角度出发，不会帮助Stratus等推广容错解决方案。软件厂商更愿意帮助服务器厂商推广双机热备的方案，追求双赢。容错只能是用户的选择。

影响系统可靠性的因素非常多，很多并不是双机可以解决的。以Windows应用为例，常有这样的用户体验，重启Windows有时候就可以解决问题。其中的原因就在于，无论是CPU、内存，还是I/O在计算或者传送数据过程中，都有可能受到电源波动、电磁等因素的干扰，产生错误的计算，影响系统可靠性。

只要是关键业务需要，无论计算量的大小，都需要高可靠性。以机场无人值守"Shuttle"火车为例，全部依靠系统控制，计算量不大，但要求具有很高可靠性，运行时间、开关门操控准确无误。稍有差池，就会酿成事故。在钢铁、电力、政府等很多应用领域，对于可靠性都具有非常高的要求，容不得半点差池。

在技术上，借助"锁步技术"，容错服务器可以最大程度校正硬件故障。在容错服务器设计上，CPU、内存、I/O等，全部采用冗余设计，并通过锁步技术，对每个计算过程进行比对，准确无误才会进入下一个步骤。因此其系统的可靠性可以达到5个9的 水平。

在国际上，容错技术得到用户的广泛认可。但在国内，用户受厂商、集成商的影响比较大。从商业利益考虑，厂商往往不会主动推荐容错技术，影响了容错在国内的发展。根据数据统计，国内采用容错技术的用户尚没有国外的1/3。此外，关键业务应用市场规模大，但单机数量小。在出货量上没有办法与PC服务器相比，市场份额不大，在各种统计报表中，容错往往被忽略，客观上也影响力了用户对容错的关注。

4月23日，亚马逊云计算数据中心故障为用户提了个醒。对于可靠性是没有办法完全假手他人的，就连云计算也没有办法真正做到可以完全不关注底层基础设施。可靠性还是需要引起高度关注的话题。在众多高可靠性解决方案中，容错技术是可选方案之一。