今天，我將從一個簡單的問題開始：你們的服務器的容錯能力如何？如果系統的一部分停止工作，他們能自己處理嗎？他們能經受住軟件故障或硬件故障嗎？這些問題比您想象的更重要。

如果您為網站、應用程序平臺或網絡部署的系統沒有針對故障進行適當的加固，那么當系統中的一個組件停止工作時，一切都可能崩潰。這種事情甚至有一個術語——級聯故障。

不幸的是，正如我們幾周前在一篇關于容錯的文章中所展示的那樣，構建一個良好且真正容錯的系統是一項重大挑戰——尤其是當您管理復雜的應用程序基礎架構時，例如 Netflix API。那么，陷入困境的服務器管理員該怎么辦呢？您如何確保您的服務器 - 以及托管它們的網絡 - 優雅地處理故障？

容錯基礎

我們將從您應該注意的最低限度開始，由Microsoft Technet上的一篇文章提供。首先，我有一個詞要告訴你：冗余。

“任何單一的依賴項都不應破壞整個應用程序，” Ben Christensen 在 2012 年關于 Netflix API 的演示中解釋道。盡管他談論的是應用程序設計，但他的說法絕對也適用于服務器和托管基礎設施。看，容錯最終就是要最大限度地減少故障點。

這意味著，假設您自己處理服務器設置和維護，您需要分析每一個應用程序、硬件和網絡節點，它們的故障可能會使您的系統離線——并且您需要確保不會發生。

為此，您需要確保擁有合適的電力基礎設施。我說的是企業級不間斷電源、定期測試的備用發電機；作品。盡管斷電可能很少發生，但您不希望服務器在斷電時停機。順便說一下，在功率方面有很多需要考慮的因素。一個設計良好的電力系統可以解決局部電源故障、電壓變化以及短期和長期停電的問題。

硬件也非常重要。服務器和網絡硬件的構建都必須考慮到冗余。現在，在這里值得一提的是，假設您選擇了正確的（稍后會詳細介紹），您的房東可能會為您處理所有這些事情。

不用說，您需要讓您的軟件保持最新狀態——尤其是與安全相關的東西。畢竟，很多中斷都是由應用程序故障引起的。Netflix 的 2012 年圣誕節中斷是其 Elastic Load Balancing 軟件故障的結果。雖然您并不總是能夠防止軟件故障，但掌握軟件維護會有所幫助。

最后但同樣重要的是，還有監控。在硬件和軟件方面密切關注您的服務器，并確保有一個系統可以在發生故障時提醒您的管理員。同樣，這取決于您的主人，這可能會得到解決——在這方面進行自我教育很重要。無論如何，這就是基礎知識——現在要深入研究一些更高級的東西。

員工培訓

我有一個事實告訴你：大多數數據中心中斷不是由電源故障、應用程序故障或系統缺陷引起的。它們是由人為錯誤造成的。某人做了不該做的事。

現在，即使您可能沒有運行自己的數據中心，這個事實也絕對適用于您。您會驚訝于客戶端的一個簡單錯誤會對他們的服務器造成多大影響。這意味著您需要盡您所能確保直接使用您的服務器的每個人都經過適當的培訓。否則，您可能會發現自己要處理一些計劃外且不受歡迎的停機時間。

最重要的是，選擇合適的主機

很多人可能已經注意到，此頁面上的大部分建議通常由您的房東處理。這就是為什么最重要的是，要確保您的服務器具有容錯能力，您可以做的最好的事情就是選擇一個優先考慮此類事情的主機。這樣，您就可以絕對確定您的資料在您需要時隨時可用，而且您不必處理失去訪問權限的問題。