2、高可用架构基础：单点故障（SPOF）概念、冗余设计原则、负载均衡原理、健康检查与故障转移
聊高可用，咱们得先搞清楚一个最根本的问题——系统为什么会挂？
我做了十几年运维，见过太多事故了。说白了，大部分宕机都源于一个共同点：单点故障（SPOF）。只要某个环节是唯一的，它一挂，整个服务就跟着完蛋。
2.1 单点故障（SPOF）—— 系统的阿喀琉斯之踵
单点故障，英文叫 Single Point of Failure。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。
举个例子。你想想看，一个 Web 服务只有一台服务器。这台服务器挂了，网站就打不开了。这台服务器就是 SPOF。
我在项目中遇到过最典型的案例：某电商平台把数据库部署在一台物理机上，没有做主从。结果硬盘坏了，数据恢复花了整整两天。两天啊，损失惨重。
- 硬件单点：单台服务器、单块硬盘、单个电源
- 软件单点：单实例数据库、单节点缓存
- 网络单点：单条链路、单个交换机
- 人员单点：只有一个人会修某个系统
2.2 冗余设计原则 —— 别把所有鸡蛋放一个篮子里
解决 SPOF 的办法很简单：冗余。说白了就是多准备几份。
但冗余不是瞎堆机器。我总结了几条核心原则：
- N+1 原则：实际需要 N 台，至少准备 N+1 台。比如需要 3 台 Web 服务器扛流量，那就部署 4 台。
- 故障隔离：冗余的组件之间要能独立运行。一台挂了，不影响另一台。
- 无状态设计：尽量让服务不保存状态。状态集中到数据库或缓存里。这样任何一台服务器都能处理请求。
- 跨可用区部署：别把服务器放同一个机房。万一机房断电呢？
我个人习惯，在设计冗余时一定会问自己一个问题：「如果这个组件现在立刻消失，系统还能撑多久？」
2.3 负载均衡原理 —— 流量分发的艺术
有了冗余的服务器，怎么把请求分给它们？这就是负载均衡干的事。
负载均衡的核心就一句话：把流量均匀地分到后端多台服务器上。
常见的负载均衡算法：
| 算法 | 原理 | 适用场景 |
|---|---|---|
| 轮询（Round Robin） | 按顺序轮流分配 | 后端服务器性能一致 |
| 加权轮询 | 给性能好的机器分配更多请求 | 服务器性能不均 |
| 最少连接 | 分配给当前连接数最少的机器 | 长连接场景 |
| IP Hash | 根据客户端 IP 计算哈希，固定分配 | 需要会话保持 |
你想想看，如果不用负载均衡，直接让客户端随机选一台服务器，会怎样？
嗯，很可能某台机器被挤爆，其他机器闲着。负载均衡就是解决这个问题的。
下面我用一张图展示负载均衡的核心流程：
这张图很直观。客户端请求先到负载均衡器，它再根据算法分给后端服务器。同时，负载均衡器会通过健康检查（虚线）确认每台服务器是否活着。
2.4 健康检查与故障转移 —— 自动发现并处理故障
光有负载均衡还不够。如果后端某台服务器挂了，负载均衡器还继续往它发请求，那用户就会看到报错。
所以需要健康检查。
健康检查就是负载均衡器定期向后端服务器发探测请求。常见的检查方式：
- TCP 端口检查：看端口是否在监听。最简单，但不够精确。
- HTTP 状态码检查：请求一个特定 URL，看返回 200 还是 500。
- 自定义脚本检查：执行一个脚本，检查业务逻辑是否正常。
一旦健康检查发现某台服务器挂了，负载均衡器就会把它从可用列表中移除。这就是故障转移。
- 自动摘除：故障机器自动下线，不再接收新请求
- 自动恢复：机器恢复后，自动加回集群
- 连接耗尽：优雅关闭，等正在处理的请求完成再下线
我曾经遇到过一个问题：健康检查间隔设得太长（比如 30 秒）。结果服务器挂了，负载均衡器还在往它发请求，用户白白等了 30 秒的报错。后来我改成 3 秒检查一次，连续 3 次失败就摘除。效果好了很多。
2.5 实战：Nginx 负载均衡配置示例
说了这么多理论，咱们看个实际例子。用 Nginx 做负载均衡，配置很简单：
upstream backend {
# 定义后端服务器池
server 192.168.1.10:8080 weight=3;
server 192.168.1.11:8080 weight=2;
server 192.168.1.12:8080 backup; # 备用节点
# 健康检查（需要 nginx_upstream_check_module）
check interval=3000 rise=2 fall=3 timeout=1000;
}
server {
listen 80;
location / {
proxy_pass http://backend;
proxy_set_header Host $host;
proxy_set_header X-Real-IP $remote_addr;
}
}这段配置里：
weight控制权重，性能好的机器多分点流量backup标记备用节点，平时不干活，其他机器全挂了才顶上check配置健康检查，3 秒检查一次，连续 3 次失败就摘除
你想想看，有了这套机制，就算某台服务器突然宕机，用户也几乎感知不到。负载均衡器会自动把流量切到其他健康的机器上。
嗯，这就是高可用的基础。说白了就是：别让任何组件成为唯一的依赖。冗余 + 负载均衡 + 健康检查，这三板斧用好了，系统的可用性就能从 99% 提升到 99.9% 甚至更高。
公众号:蓝海资料掘金营，微信deep3321