計算機系統(tǒng)的可靠性用平均無故障時間(MTTF)來度量，即計算機系統(tǒng)平均能夠正常運行多長時間，才發(fā)生一次故障。系統(tǒng)的可靠性越高，平均無故障時間越長。可維護性用平均維修時間(MTTR)來度量，即系統(tǒng)發(fā)生故障后維修和重新恢復(fù)正常運行平均花費的時間。系統(tǒng)的可靠性越高，平均無故障時間越長。計 算機系統(tǒng)的可用性定義為：MTTF/(MTTF+MTTR) * 100%。由此可見，計算機系統(tǒng)的可用性定義為系統(tǒng)保持正常運行時間的百分比。

　　計算機產(chǎn)業(yè)界通常用如下表所示的"9"的個數(shù)來劃分計算機系統(tǒng)可用性的類型。

通過硬件冗余或軟件的方法都可以從很大程度上提高系統(tǒng)的可用性。硬件冗余主要是通過在系統(tǒng)中維護多個冗余部件如硬盤、網(wǎng)線等來保證工作部件失效時可 以繼續(xù)使用冗余部件來提供服務(wù);而軟件的方法是通過軟件對集群中的多臺機器的運行狀態(tài)進行監(jiān)測，在某臺機器失效時啟動備用機器接管失效機器的工作來繼續(xù)提 供服務(wù)。

　　一般來說，需要保證集群管理器的高可用性和節(jié)點的高可用性。Eddie、Linux Virtual Server、Turbolinux、Piranha和Ultramonkey 都采用了類似于圖1的高可用性解決方案。

圖1 高可用性解決方案示意圖

　　集群管理器的高可用性

　　為了屏蔽集群管理器的失效，需要為它建立一個備份機。主管理器和備份管理器上都運行著heartbeat程序，通過傳送諸如"我活著"這樣的信 息來監(jiān)測對方的運行狀況。當(dāng)備份機不能在一定的時間內(nèi)收到這樣的信息時，它就激活fake程序，讓備份管理器接管主管理器繼續(xù)提供服務(wù);當(dāng)備份管理器又從 主管理器收到"我活著"這樣的信息時，它就使fake程序無效，從而釋放IP地址，這樣主管理器就開始再次進行集群管理的工作了。

　節(jié)點的高可用性

　　節(jié)點的高可用性可以通過不斷監(jiān)視節(jié)點的狀態(tài)以及節(jié)點上的應(yīng)用程序的運行狀態(tài)來實現(xiàn)，當(dāng)發(fā)現(xiàn)節(jié)點已經(jīng)失效時，可以重新配置系統(tǒng)并且將工作負載交給 那些運行正常的節(jié)點來完成。如圖1所示，系統(tǒng)通過在集群管理器上運行mon精靈程序來監(jiān)視集群中的實際服務(wù)器上的服務(wù)程序的運行狀況。例如使用 fping.monitor 以一定的時間間隔來監(jiān)視實際服務(wù)器是否還在正常運轉(zhuǎn);使用http.monitor 來監(jiān)測http服務(wù)，使用ftp.monitor來監(jiān)測ftp服務(wù)等等。如果發(fā)現(xiàn)某個實際服務(wù)器出了故障，或者是其上的服務(wù)已失敗，則在集群管理器中刪除 有關(guān)這個實際服務(wù)器的所有規(guī)則。反之，如果不久以后發(fā)現(xiàn)系統(tǒng)已經(jīng)重新能夠提供服務(wù)，則增加相應(yīng)的所有規(guī)則。通過這種方法，集群管理器可以自動屏蔽服務(wù)器和 其上運行的服務(wù)程序的失效，并且當(dāng)實際服務(wù)器正常運轉(zhuǎn)時能將它們重新加入到集群系統(tǒng)中。