容错 or 高可用性，你整明白了吗？

    通常来说，飞机有四个引擎，如果一个引擎坏了，剩下三个引擎，飞机还是能继续飞行的。这种状态下，尽管飞机已经出故障，但它却仍然在飞行，出故障的只是引擎，这就是飞机的容错能力。对出故障的引擎，实际上已经暂停工作，这时候展现的是飞机引擎不可靠的一面。因此本质来讲，系统的容错能力和产品的可用性是两个不同的概念。

    容错的目的就是在机器发生故障时，系统运行能力水平可能会下降，但依然是可用的。而可用性描述的是产品整个使用周期内的故障时间占比，即允许短暂的中断。从现实情况看，凡是制造出来的电子机械产品，必然会存在可靠性问题，必须对其可用性进行深入评估，特别在一些对可靠性要求较高的场景或行业，必须有可用性衡量标准。

    对企业而言，服务器是一个关键性的产品，特别是部署在复杂工业场景中的应用服务器，企业对产品的可靠性和可用性有极高要求。因此，企业在购买工业服务器时，会特别关注可用性问题，比如能达到“几个9”，这里指的是服务器一年中的停机时间，代表的是服务器可用性高低。这意味着，传统意义上的高可用性，并不代表服务器能完全杜绝故障带来的停机风险，只是指系统能够比正常时间更久地保持一定的运行水平。高可用性只是要求，一旦系统中断能够快速恢复，即中断必须是短暂的，如果需要很长时间才能恢复，就不叫高可用性了。

    一直以来，技术厂商都在致力于通过技术手段革新提高传统服务器的可用性，让系统达到更高的安全水准。作为容错服务器领域的全球领导者，Stratus已经实现了这一目标。Stratus打造的ftServer容错服务器，在可用性上远超传统服务器性能，已实现了基于硬件的容错能力，可用性普遍高达99.9999%，基本上实现了零中断。

    那么，Stratus ftServer是如何实现的呢？

    众所周知，硬件级服务器容错最大的挑战是，如何确保进程和线程的精确同步，即确保冗余系统的两个节点上在完全相同的时间发生完全相同的事情。

    Stratus fServer容错服务器架构的创新之处在于，在其内部有两个相同的客户可更换单元（CRU），为确保两个CRU之间的进程和线程的精确同步，Stratus专门设计了专用FPGA电路，提供冗余的电源供给、风扇和磁盘，对核心系统组件包括母板、处理器、内存、I/O总线和I/O适配器进行保护。同时建立同步（lockstep）体系架构，保持多CPU/内存单元在精确的同步状态，系统可以在任何CPU/内存单元发生错误的情况下不丢失数据或状态，也不需产生中断进行错误处理，即使在故障出现也可保证连续处理的冗余部件来消除单点故障。



    为保证业务数据的复制和同步，Stratus ftServer容错服务器内部所有关键PCI适配器也是冗余的，内部磁盘存储通过两条独立的存储I总线连接。对任何逻辑I/O操作，包括内部和外部存储操作，都是多路径可行的。任何I/O操作故障将引发选择另一条路径作操作重试，确保I/O操作的完成。通过独特的冗余现场可编程门阵列、数据路径和同步固件，Stratus的容错服务器即使硬件组件出现故障，也能够提供确保持续可用性所需的处理器同步、数据复制和逻辑。为了便于维修，保障业务不间断运行，Stratus ftServer容错服务器支持热插拔更换故障硬件，所有的业务数据自动同步。

    如下图所示，对于用户来说，Stratus ftServer容错服务器易于管理与操作，节省时间。



    未来，随着企业数字化转型和智能化升级的深入，实现业务的“数字化”、“网络化”和“智能化”正在成为企业发展的新趋势。这一过程中，企业需要“更先进”、“更稳定”和“更智能”的计算平台支撑核心业务的运行，从研发管理到生产制造，企业越来越难以接受非计划外的系统中断。Stratus作为专注于打造容错服务器的全球领先公司，致力于帮助企业解决这些问题，从根本上杜绝因服务器故障导致的业务中断风险，保障业务永远在线。