可靠性⌗

故障与失效⌗

  • 故障（faults）或者错误：组件偏离其正常规格，可以提供容错（fault-tolerant）机制
  • 失效（failure）意味系统作为一个整体停止

硬件故障⌗

软件错误⌗

人为失误⌗

避免优化方式：

  • 以最小出错方式设计系统。抽象、提供管理界面，使“做正确的事很轻松”，防止限制过多。
  • 分离最容易出错的地方，提供沙箱用以放心尝试。
  • 充分测试。
  • 提供快速恢复机制尽量减少故障影响：快速回滚，提供校验数据的工具。
  • 设置详细而清晰的监控系统
  • 培训和流程

可扩展性⌗

描述负载⌗

  • QPS
  • 数据库写入比例
  • 同时在线活动用户数
  • 缓存命中率等。

描述性能⌗

  • 吞吐量（throughput）/每秒处理数据量
  • 延迟（latency）/响应时间（response time）：延迟是处理时间，响应时间是客户端看到的。

最好通过百分位数来监控指标：p50/p80/p90/p95/p99/p999，p50 指标表示一半请求在这个指标之下，一半在这个指标之上。

应对负载增加⌗

  • 无状态很方便扩容
  • 但有状态的分布式面临一定的挑战

可维护性⌗

可运维性：运维更轻松⌗

监控、文档、自动化、良好的默认配置、可手动控制系统状态让系统自我修复（比如熔断机制）。

简单性：简化复杂度⌗

抽象！

可演化性：易于改变⌗

  • TDD
  • 重构