第 14 章 系统可靠性
考点定位:综合知识选择题(指标与串并联计算),案例题常考高可用设计,论文方向(论软件可靠性测试、论系统可靠性设计)。 优先级:中高。
1. 知识地图
| 子模块 | 核心考点 | 考查形式 | 优先级 |
|---|---|---|---|
| 可靠性基础 | 定义、MTTF/MTBF/MTTR、可用度 | 选择题 | ★★★★ |
| 可靠性模型 | 串联系统、并联系统、混联可靠性计算 | 计算题高频 | ★★★★★ |
| 容错技术 | 冗余(主动/ standby)、N 版本、恢复块、表决 | 选择题 + 案例 | ★★★★ |
| 可靠性测试与管理 | 可靠性增长模型、失效数据、可靠性目标 | 案例 + 论文 | ★★★ |
| 相关指标 | RTO/RPO、SLA、与可用性的关系 | 选择 + 论文 | ★★★ |
2. 核心知识
2.1 可靠性基础
- 可靠性:系统在规定条件下、规定时间内完成规定功能的能力(概率)。注意与「正确性」「可用性」的区别。
- 关键指标:
- MTTF(Mean Time To Failure):不可修复系统的平均无故障时间。
- MTBF(Mean Time Between Failures):可修复系统平均故障间隔时间,(MTBF = MTTF + MTTR)。
- MTTR(Mean Time To Repair):平均修复时间,反映可维护性。
- 可靠度 R(t):(R(t) = e^{-\lambda t})(指数分布,λ 为失效率);失效率 λ = 1/MTTF。
- 可用度 A = (MTBF / (MTBF + MTTR) = MTTF/(MTTF+MTTR))。99.9% 称三个 9,99.99% 四个 9。
辨析:可靠性强调「不中断运行的能力」(与时间长短相关);可用性强调「任意时刻可提供服务的能力」(含修复速度)。MTTR 越小,可用性越高但可靠性未必改变。
2.2 可靠性模型(必考计算)
设各部件可靠度为 (R_i):
- 串联系统(任一失效则系统失效):(R = \prod_{i=1}^{n} R_i)。系统可靠度低于任一部件。
- 并联系统(全部失效才失效):(R = 1 - \prod_{i=1}^{n}(1 - R_i))。系统可靠度高于任一部件。
- 混联系统:先化简局部串并联再逐层计算。
- 失效率近似:串联系统 (\lambda \approx \sum \lambda_i)(指数分布下精确成立)。
决策意义:串联环节越多,整体可靠性越低(架构设计的「短板效应」);提高可靠性的关键是减少关键路径串联环节或为薄弱环节加冗余(改串联为并联)。
2.3 容错技术
- 冗余类型:
- 结构冗余(硬件/软件/信息/时间冗余)。
- 主动冗余(热备):多个副本同时运行,表决输出结果;恢复快、资源开销大。
- 备用冗余(冷备/温备):主用故障时切换备用;资源省但切换有延迟。
- 典型技术:
- N 版本程序设计:多个独立实现的版本并行执行、多数表决(防设计故障)。
- 恢复块(Recovery Block):主版本 + 后备版本,验收测试失败则切换回滚。
- 检查点与回滚:定期保存状态,故障后回退到最近检查点。
- 防卫式程序设计:前置/后置条件、异常处理。
- 高可用架构战术(呼应第 4 章):负载均衡、集群、故障检测与转移、限流降级熔断、异地多活。
2.4 可靠性测试与管理
- 可靠性测试:在规定环境下长时间运行、采集失效数据,估计 MTTF/失效率;加速寿命测试通过提高应力缩短周期(需合理换算)。
- 软件可靠性增长模型:如 Jelinski-Moranda、Goel-Okumoto(非齐次泊松过程 NHPP)模型,用失效历史预测剩余缺陷与可靠性增长趋势(了解层次)。
- 可靠性管理:设定可靠性目标 → 分配指标到部件 → 设计冗余与容错 → 测试验证 → 运行监控与反馈。
- 与业务连续性:RTO(恢复时间目标)/ RPO(恢复点目标)从业务视角约束可靠性与灾难恢复方案设计。
3. 易混淆概念对比
| 对比项 | 关键区别 |
|---|---|
| MTTF vs MTBF | MTTF 用于不可修复系统;MTBF 用于可修复系统(= MTTF + MTTR) |
| 可靠性 vs 可用性 | 可靠性看「连续无故障运行时长」;可用性看「任意时刻可服务的概率」,含修复因素 |
| 串联 vs 并联可靠度 | 串联相乘(降低);并联 1-∏(1-R)(提高) |
| 主动冗余 vs 备用冗余 | 主动同时运行表决;备用故障后切换 |
| N 版本 vs 恢复块 | N 版本多点表决并行;恢复块主备串行 + 验收测试切换 |
4. 考试重点
- 串并联系统可靠度计算(必考):先算并联支路,再算串联整体。
- 由失效率求 MTTF、由 MTBF/MTTR 求可用度。
- 判断提高系统可靠性的措施(增加并联冗余 vs 减少串联环节)。
- 容错技术归类(N 版本、恢复块、检查点回滚)。
- RTO/RPO 与可靠性、可用性指标的对应关系。
5. 典型例题(原创模拟题)
例题 1:三个部件串联,可靠度分别为 0.9、0.95、0.99,系统可靠度约为( )。 A. 0.95 B. 0.90 C. 0.85 D. 0.99
答案:C。解析:串联 (R = 0.9 \times 0.95 \times 0.99 \approx 0.846),约 0.85。说明串联环节越多可靠度越低。
例题 2:某系统 MTBF=1000 小时,MTTR=10 小时,其可用度约为( )。 A. 99.0% B. 99.1% C. 99.9% D. 98.0%
答案:A。解析:(A = MTBF/(MTBF+MTTR) = 1000/1010 \approx 99.0\%)。
6. 记忆技巧
- 指标口诀:MTTF 用到坏,MTBF 修了再来,MTTR 修多久,可用度看占比。
- 串并联公式:串联直接乘,并联「1 减全坏之积」。
- 容错手段:多跑表决(N 版本)、主备切换(恢复块)、存点回滚(检查点)。
7. 随堂测试
- 某部件失效率 λ=0.001/小时,其 MTTF 是多少?
- 两个可靠度均为 0.9 的部件并联,系统可靠度是多少?
- 若想提升一个由多个部件串联而成的系统可靠性,从架构上有哪些思路?
参考答案
1. \(MTTF = 1/\lambda = 1000\) 小时。 2. \(R = 1-(1-0.9)^2 = 0.99\)。 3. 减少关键路径上的串联环节;对薄弱环节增加冗余(并联或主备);引入故障检测与快速切换、降级与容错设计,降低 MTTR 提升可用度。8. 芝士架构资料补充(重点★★★★★)
来源:《公共知识红宝书》第 7 章。
8.1 可靠性六大时间指标(★★★★★)
近年爱考偏门指标,记忆后缀含义即可。
| 指标 | 英文全称 | 定义 |
|---|---|---|
| MTBF | Mean Time Between Failures | 平均故障间隔时间,两次相邻故障间的平均工作时间(含故障检测与修复时间) |
| MTTR | Mean Time To Repair/Recover | 平均修复时间,从故障发生到恢复正常运行的平均时间 |
| MTTA | Mean Time To Acknowledge | 平均确认时间,从发出故障警报到人员确认的平均时间(A=Acknowledge 确认) |
| MTTF | Mean Time To Failure | 平均失效时间,从开始使用到出现故障的平均时间(不含检测与修复) |
| MTTD | Mean Time To Detect | 平均发现时间,从故障发生到被检测到的平均时间(D=Detect 检测) |
- 实际应用中 MTTR、MTTD 很小,通常认为 MTBF ≈ MTTF(选择题考过)。
- 失效概率 F(t):初始为 0,随时间增大,趋于无穷时接近 1。
- 可靠度 R(t) = 1 - F(t),R(0)=1,R(+∞)=0。规定时间指 CPU 执行程序指令的时间总和。
8.2 影响软件可靠性的 5 大因素(☆☆☆☆☆)
运行剖面(环境)、软件规模、软件内部结构、开发方法和开发环境、可靠性投入。口诀:还(环境)闺(规模)内(内部)发(方法)钱(投入)。
8.3 McCabe 环形复杂度(★★★☆☆,只考选择题)
衡量程序控制结构复杂程度,三种等价算法:
- 流图中线性无关的区域数(含图外部区域);
- V(G) = E - N + 2,E 为边数,N 为结点数;
- V(G) = P + 1,P 为判定结点(菱形框)数目。
- 用途:复杂度 × 适当常数可估算错误数量与开发工作量,用于比较不同设计/算法优劣。
8.4 可靠性设计技术(★★★☆☆,论文可展开)
| 分类 | 具体技术 | 原理 |
|---|---|---|
| 容错设计 | 恢复块设计 | 程序划分为恢复块,每块含多个功能同但设计不同的程序块,检测故障切换备用块 |
| 容错设计 | N 版本程序设计 | 多个不同版本对同样输入多数表决,用不同算法/语言/测试方法确保独立 |
| 冗余设计 | 备用软件模块 | 主模块故障切换,提高可靠性但增加开销 |
| 检错技术 | 检测点机制 | 监测返回结果、运行时间,发现故障停止并报警 |
| 降低复杂度 | 简化结构 | 降低模块内部与模块间关联复杂性(复杂度是缺陷根源) |
| 系统配置 | 双机热备/服务器集群 | 心跳检测切换;某台故障其他接管 |
8.5 串并联可靠性公式(★★★★★)
- 串联(全部正常才正常):(R_{串联} = R_1 \times R_2 \times \cdots \times R_n),任一组件失效则系统失效。
- 并联(任一正常即正常):(R_{并联} = 1 - \prod_{i=1}^{n}(1 - R_i))。
- 真题出现过串并联混合系统,先化简局部再逐层计算。
