重新认识系统稳定性

SLA

SLA即服务级别协议（Service Level Agreement），是一份服务提供商和客户之间达成的协议，规定了服务提供商必须提供的服务质量、服务水平、服务保证及赔偿方式等方面的内容。

SLA衡量标准通常包括以下几个方面：

其中“可用性”通常被衡量为“几个9”，9越多代表服务全年可用时间越长服务也就越可靠，即停机时间越短。

其中人为失误或bug是导致服务不可用最大的元凶，毕竟发布无时无刻不再发生着，有变动就有风险。

系统分析：核心是输出系统核心功能场景的流程图、时序图、架构图，用例图，领域模型等，需要结合业务来进行梳理。

应用依赖：核心是输出上下游、系统间调用依赖关系
数据库依赖：（强弱依赖、依赖权重）可能很多简单系统都只有一个数据库，数据库挂了整个系统就挂了，实际上很多重要的复杂系统都会同时具有多个数据源，将核心业务从数据源层面隔离开，哪怕有天数据库挂了，也不是业务全挂。
基础服务、中间件：（缓存、mq、配置中心、消息中心、定时任务）
硬件服务依赖：（存储, 网络、负载均衡，cdn）
部署架构：（同城容灾、异地多活、单元化部署）
访问模式与访问量：（推算与调用量间的关系，为容量分析与规划做准备）访问模式是指用户访问网站或应用的方式和习惯，例如访问时间、频率、页面浏览深度等。访问量是指用户访问网站或应用的次数或流量。 核心是根据访问模式和访问量可以推算出未来的访问量，并进行容量分析和规划。例如，如果一个网站平均每天有1万次访问，但在周末有2万次访问，那么在容量规划时需要考虑周末的访问量来确保服务器能够承受高峰期的访问量。

单点，容量和性能，依赖，数据保护，安全，资损，弹性能力，业务连续性，变更控制

引流压测
- 通过缩小在线服务集群数的方式来放大单机处理量。比如一个业务系统的集群有 100 个节点，将其中 90 个节点模拟下线或转发流量到剩余的 10 个节点上实施压测
- 引流压测的弊端在于，DB 承受压力不变，上下游系统的压力不变。压测结果仅能代表单个应用的性能，但往往无法识别链路和架构级的隐患，而且在引流过程中倘若出现异常或突如其来的业务高峰，很容易造成生产故障
单点压测
全链路压测

当遇到线上事故时，应急目标是：快速恢复服务，减少事故造成的损失