說起單點故障(Single Point of Failure，SPOF)，倒是可以想起電影 《2012》中，一把焊槍把齒輪卡住，從而導致整個艙門無法關閉，進而整個引擎無法發動。這是個有點生動的例子–如此龐大的一個系統，居然因為一把小小的焊槍而險些毀于一旦。投入巨大人力物力生產的救命方舟居然做不到高可用(High availability)，這是致命的事情。
大腦對與人來說，就是一個單點，大腦損壞，人也完蛋；手是不是單點? 一只沒了，另一只還能日常生活，從這個角度來說，不是單點。消除單點的最常見的做法：增加冗余。比如，人有兩只手。其次，層次化。當然，分層的目的是便于隔離問題。電影 《2012》 中的這個問題，不知道誰是總架構師，看起來，隔離做得不太夠 :)
一般來說，只要系統能夠比較清楚的分出層次來，要消除單點故障還是有章可循的事情。比如，一個網站，從基礎的硬件層，到操作系統層，到數據庫層，到應用程序層，再到網絡層，都有可能產生單點故障。如果要有效的消除單點故障，最重要的一點是設計的時候要盡量避免引入單點，而隨著架構的變化，定期審查系統潛在單點也是有必要的。
有人或許會問，假設一個起步中的站點，只有一臺服務器，什么東西都在一個盒子里，到底要怎么做呢? 這里的建議是先拋開主板、CPU 、內存這些，首先必須考慮硬盤(存儲層)的問題，如果機器只有一塊硬盤，即使你備份計劃再完善(不要說你的備份也是備份在這塊硬盤上的)，還是建議你起碼再弄一塊。做鏡像，讓出錯的概率降低，這是劃算的投入，當然消除單點，成本幾乎不可避免的要增加。如果硬盤多，或者有其他備份機制，可選的方法就更多，別刻舟求劍。
第二個要考慮網卡與網線的單點問題。先說網線，如果要問一個系統里面最容易物理損壞的是哪個組件，答案恐怕非網線莫屬，對于網線這樣多數時候因為距離需要定制的東西，總是購買成品還是有成本的，從我觀察到的情況來看，各個 IDC 的網線使用手工制作的比例不小，這個質量幾乎很難控制，一根線，兩個水晶頭，哪一個出問題都不能正常傳輸。怎么辦? 想辦法提升網線整體質量還是弄兩根網線放在那里? 解決辦法早都有了，網卡綁定 (NIC bonding)一個很簡單很通用的辦法(refer)，但是問題是并非很多人在用。多數 PC 服務器應該都是配置了多塊網卡，如果是自己攢服務器，記得網卡多一塊成本沒多大，但是用處會有很多。如果耐著性子看到這里，先別急著去 Google，還有問題呢，兩根網線如何接到上行交換機，什么樣的交換機支持綁定，如何確定綁定是真正生效的? 答案是，嘗試一下。
然后是什么? 是跑多個數據庫，還是跑兩個 Web 服務器，一個不行用另一個頂? 對于單臺服務器，其它能消除單點的地方恐怕收效也不會特別大，現在少做無用功，或許要重點考慮如何備份，如何優化，以及出現問題的時候如何做到快速恢復。有一個或許會引起爭議的建議是，除了 SSH 登錄之外，要不要留一個 Telnet 登錄的服務呢? 畢竟 SSH 服務器端守護進程不是百分百靠譜的事兒，如果 IDC 距離較遠，需要斟酌一下。好吧，網站有了一點發展，用戶量也增加了，感覺需要增加服務器了。再增加一臺服務器，抗風險能力一下子加強了許多，畢竟一臺機器質量再好，也有出錯的時候。現在，Web 服務器、DB 服務器可以考慮引入 HA 的方案，如果單臺服務能力夠，主備模式也不錯。隨著網站的發展，服務器數量繼續增加…
隨著服務器數量的增加，到了必須要自己購買網絡設備的時候了。同樣的設備，一買恐怕就要買雙份，原因無它–一臺總要出錯，哪怕是電源被拔錯–而這樣的情況實際上并不少見。如果預算不夠，那就再等等，但是要記住，定期審查，有可能的話，進行彌補總不會錯。
到現在，所有的服務器都還在一個 IDC 呢，IDC 本身也是個單點啊，服務器被黑怎么辦? 機房光線被施工工人挖斷怎么辦? 機房停電怎么辦? 找第二個機房吧。現在選 IDC 首先要考慮什么? 中國特色的互聯網問題總要考慮吧，”南北互通”怎么樣…或許在選擇第一個機房的時候已經遇到了類似的問題，或許現在正在受到這個問題的困擾。選好 IDC 之后，首先計劃一下數據如何備份過來，然后，網站的配置信息如何同步或備份過來(這是保證第一個 IDC 出了致命問題之后的最基本的恢復要求)。多個 IDC 之后不得不提上議程的要算 DNS 這個事兒了。你的 DNS 解析商靠譜么? 如果域名提供商遭受攻擊，對自己的網站影響能承受么?
更多的服務器，提供更多的應用，更多的用戶，更多的收入… 接下來該怎么辦呢? 現在，您所面對的已經不是一個小型 Web 站點了，可以不用看這篇文章了。
到現在，我還沒說人的問題，如果這些信息只有一個人知道，萬一這個人出了點事情怎么辦? 作為老板，還要考慮人的單點問題。
Updated: DNS 的健康程度檢查重要性應該提升一些。如何檢查？有很多在線的工具可供使用，簡單直接。
