分布式系统（六）故障、容错什么是故障？什么是容错？分布式系统下的容错？事务故障？通信故障？时钟故障？服务故障

任何系统在长时间运行过程中，都可能发生故障。要么是设备上运行的服务故障；要么是设备的软件系统故障；要么是硬件系统故障；要么是通信链路故障；要么是时钟错乱故障等。

任何系统都有可能出现故障，每个系统都必须解决故障，如早期的RDBMS对于事务故障、系统故障、硬件故障等都有自己的容错方案（备份、恢复等）。

当系统出现故障后就可能会导致系统不可用，因此避免这些故障或故障后的解决方案就是容错。

集中式系统下，故障产生原因可能是设备上的服务、设备软硬件、网线等，对于大型系统来说，这些故障很难发生，服务通常可以认为是稳定的，因为轻易不会去动它；软硬件同样是稳定的。

分布式系统下，故障产生的原因变多了，如通信失败、时钟错乱等，故障原因的增多增加了故障的概率。另一方面集中式系统下只有单个设备，而分布式系统下是多个设备协作的，因此故障概率也从1变为了多。

所以由于分布式系统下这两种情况导致了故障率的增大，因此在分布式系统下需要专门进行针对系统进行容错。

针对事务相关故障，使用分布式事务、WAL等技术解决。

针对系统软硬件故障，使用复制技术解决。

针对时钟故障，使用Ntp等时钟同步技术解决。

针对通信故障，使用重试、fullback等技术解决。