可用性和可靠性

• 可靠性：系统是否具备无差错执行预期操作的能力。指系统能够按照技术标准持续运行的能力。如果通过了全部测试，那么意味着它是可靠的；
• 可用性：为了执行这些操作，系统当前可运行的能力。指系统在其能力范围内执行任务的能力。是否运作正常，是否可以操作，是否可以响应。

提高可用性的五个要点：

• 时刻考虑应对故障：在设计期对可能发生的故障多做考虑
• 时刻考虑如何伸缩：在哪些点存在伸缩及如何应对，不同类型的内容如何应对
• 缓和风险：对可能存在的风险进行管理，提出缓和计划
• 监控可用性
• 以可预期及明确的方式来处理可用性问题：如果对监控发生的问题置之不理，监控就没有意义

风险管理就是在消除风险的成本与风险发生的成本之间，保持平衡。

• 识别风险
• 消除最严重的风险
• 风险缓和
• 定期检查：对风险模型的检查

确定服务边界的指导原则：

• 特定的业务需求
• 清晰和独立的团队所有权
• 天然隔离的数据：服务间不能共享对数据的直接访问
• 共享的能力/数据

服务的粒度是一种平衡

服务故障的要求：

• 可预测的响应：如果将一个不可预测的响应传递给下游服务，那么会在整个价值链上传递这种不可预测性；避免在上游服务中产生垃圾数据；
• 可理解的响应：约定的接口应覆盖所有意料之外的情况，包括依赖服务故障；
• 合理的响应：响应的描述应避免无意义标识；

断路器：一定时间段之内的断路器规则判断，是一种常用的处理模式。

故障发生后的行为：

• 优雅降级
• 优雅补偿
• 尽早失败：在服务处理前，根据当前状态尽早给出失败标识，而不是做无谓尝试后再提示失败。

两次失败的高度：能同时容忍两个互不依赖的失败。

服务等级协议：是一个提供某种级别可考核项和性能的承诺，其核心是“期望管理”。
应该保证尽可能少的SLA数量，应当与服务的消费方一起来协商SLA。