第1章：单点故障分析

各位同学好，我是老张。今天咱们聊聊单点故障分析。

做高可用架构，说白了就是跟单点故障死磕。你想想看，一个系统里只要有一个单点，那这个系统就谈不上高可用。我在项目里见过太多因为单点故障导致全线崩溃的案例了，嗯，今天就把这些经验掰开揉碎了讲给你听。

1.1 什么是单点故障

单点故障（Single Point of Failure，SPOF），指的是系统中某个组件一旦失效，就会导致整个系统不可用。我个人的习惯是：只要一个组件挂了会影响全局，它就是单点。

1.2 常见的单点故障场景

我把单点故障分成三大类：硬件、网络、软件。咱们一个一个说。

1.2.1 硬件单点

硬件层面的单点，其实是最容易被忽视的。我记得有一次线上事故，就是因为一台服务器的电源模块坏了，整台机器直接宕机。

• 服务器单点：只有一台应用服务器，挂了业务全停
• 存储单点：数据库跑在单机上，磁盘坏了数据全丢
• 电源单点：整个机柜只有一个电源输入，断电就完蛋
• 网卡单点：单网卡配置，网卡坏了机器就失联

1.2.2 网络单点

网络层面的单点，往往影响范围更大。一个交换机挂了，可能整个机房都受影响。

• 交换机单点：核心交换机只有一台，挂了整个网络瘫痪
• 路由器单点：出口路由器单点，外网访问全断
• 负载均衡器单点：LVS/HAProxy只有一台，挂了流量全丢
• DNS单点：域名解析只配了一个DNS服务器
• 防火墙单点：所有流量经过一台防火墙，性能瓶颈+单点风险

为什么会这样？说白了就是网络设备太贵，很多公司舍不得做冗余。但你想，一个核心交换机才多少钱？一次事故造成的损失可能够买十台了。

1.2.3 软件单点

软件层面的单点，其实是最隐蔽的。硬件坏了你能看到，软件出问题你可能排查半天才发现是单点。

• 数据库单点：主库只有一台，挂了整个系统写不了数据
• 缓存单点：Redis单机部署，挂了缓存雪崩
• 消息队列单点：Kafka/RabbitMQ单节点，消息丢失
• 注册中心单点：ZooKeeper/Consul单机，服务发现失效
• 配置中心单点：配置变更无法下发
• 定时任务单点：单机跑crontab，机器挂了任务全停

1.3 故障对报价业务的影响

咱们这门课讲的是报价路由，那单点故障对报价业务到底有什么影响？我列个表给你看。

故障类型	影响范围	业务后果
报价引擎单点	所有报价请求	用户无法获取报价，交易中断
数据库单点	报价数据读写	报价无法保存，历史数据丢失
缓存单点	报价缓存失效	数据库压力暴增，响应变慢
消息队列单点	报价消息传递	报价请求丢失，无法路由
网络单点	所有服务通信	系统完全不可用

你看，任何一个单点故障，对报价业务都是致命的。报价系统对实时性要求极高，几秒钟的延迟可能就导致丢单。我经历过一次，因为数据库主库挂了，整个报价系统停了15分钟，那15分钟损失的交易额，够买好几套高可用方案了。

1.4 如何识别系统中的单点

识别单点，说白了就是做「故障影响分析」。我一般用三步法：

1. 画架构图：把系统的所有组件画出来，包括硬件、网络、软件
2. 做故障模拟：假设每个组件依次挂掉，看影响范围
3. 标记单点：影响范围是全局的，就是单点

下面这张图，是我常用的单点识别流程。

嗯，这张图就是我的核心方法论。你照着这个流程走一遍，系统里有多少单点一目了然。

1.5 实战技巧：如何快速发现单点

我分享几个实战中常用的技巧：

• 看监控告警：如果某个组件挂了，告警里全是它相关的错误，那它大概率是单点
• 做故障演练：主动kill掉某个进程，看系统反应。我习惯每个月做一次
• 查依赖关系：用调用链追踪工具，看有没有组件是所有请求的必经之路
• 看部署架构：如果某个组件只有1个实例，那就是单点

1.6 本章小结

单点故障分析，是高可用架构的第一步。你连单点都找不到，谈何高可用？

记住三个要点：

• 硬件、网络、软件，每个层面都可能存在单点
• 单点故障对报价业务的影响是致命的
• 识别单点的方法就是做故障模拟，看影响范围

下一章，咱们会讲如何消除这些单点。但前提是，你得先把系统里的单点都找出来。建议你现在就打开你的架构图，按我给的流程走一遍。