【Day2】谈谈何谓「单点故障」？

什麽是「单点故障」？
单点故障的英文是（single point of failure，简称 SPOF），指的是系统上的某一个物理节点故障，而导致整个系统无法运作的现象。
通常这个名称，我们比较常把它用在系统或网路架构上。
例如下图一，若架构设计上只有一台SAN Switch，则此时「A点」便存在SPOF风险。
当它故障时，整个VM系统就会无法运作。
图一、

因此设计上为了满足高可用(High Availability)，我们会把系统架构设计为下图：
图二、

这就是为什麽Infra需要理解单点故障，一旦发生SPOF，轻则只是短暂影响，重则就是一场灾难。
通常公司越重要(critical)的系统，我们越希望能具备高可用度 High Availability
经过几年的Infra管理及亲身体验，个人认为「单点故障」再延伸後可以包含以下几点：
1.硬体
硬体的SPOF就像图一的例子，当架构设计不良或经费考量只能尽量满足现况时就会存在风险，即使设计如图二，仍然存在储存故障的风险。因此高可用=高成本，实际上大部分企业只能尽量满足，而无法全面满足SPOF。
2.网路
网路的架构和硬体雷同，我们必须考量专线断线、防火墙故障、交换器故障的可能性。
3.电力
电力包含了电源电路、UPS不断电系统、硬体是否具备冗余电源系统 (Redundant Power System)。
4.空调
空调通常是机房设备冷却的重要设施，也需要有备援，大企业通常会使用两台空调交换运作。机房一旦温度升高就会造成设备的停摆或损坏，个人就曾经遇过两台一起故障，且机房八成的设备因过热一起亮橘灯。
5.人
人的管理其实是一个企业忽略的隐忧，人员按错开关导致SAN Switch关机以及机电人员(非MIS)误将机房总开关OFF(UPS 开始倒数计时)，都是个人遇过的切身之痛。