单点故障(Single Point of Failure, SPOF)
释义
系统中某个组件或节点一旦失效,整个系统或服务无法正常运作,该组件或节点即为单点故障(SPOF)。
核心特征:该环节不存在冗余(Redundancy),也没有可以绕行的替代路径(Failover Path),失效即中断。
风险
- 整个系统或关键功能不可用(System-wide Outage),业务中断
- 高并发或关键场景下可能造成严重事故
- 恢复依赖单一环节修复,停机时间(Downtime)长
场景
- 服务器(Server):某项功能只有单个实例,实例停止后该功能中断
- 数据库(Database):只有单实例且未配置主从复制(Master-Slave Replication),实例故障后读写全部失败
- 网络(Network):只有一条出口链路或单个入口节点,链路中断则外部全部无法访问
- 机房设施(Datacenter Facility):只有一路市电、单台核心交换机、单台负载均衡器(Load Balancer)
- 运维人员(Operations Personnel):某系统的处置经验只掌握在一个人手里,该人员不在时无人能定位故障
避免方法
- 服务器冗余(Server Redundancy):多实例部署,前置负载均衡(Load Balancing),任一实例失效由其他承担
- 网络冗余(Network Redundancy):多条链路与多个入口,自动切换(Failover)到可用路径
- 应用冗余(Application Redundancy):集群(Clustering)或容器编排(Container Orchestration),实例可自动扩展与自愈(Auto-scaling & Self-healing)
- 数据冗余(Data Redundancy):主从复制或分布式存储(Distributed Storage),单节点故障不丢失数据且可切换
- 备用服务(Standby Service):主服务故障时备用服务接管,通过分布式锁(Distributed Lock)等机制协调切换
- 服务隔离(Service Isolation):拆分为独立模块(Microservices),单模块故障不波及其他部分