防微杜渐的稳定性法宝：播控系统面向失败的设计

作者| 阿里文娱高级开发工程师 云琰

一、浅谈面向失败的设计

1. 什么是面向失败的设计？

面向失败的设计，就是以“失败”为对象，天然为了失败而存在的设计思想，在一开始的系 统设计阶段就考虑到各种失败场景，把面向失败当成是系统设计的一部分，准备好从失败中恢 复的策略。

2. 为什么要面向失败设计？

因为无所不在的失败场景，比如硬件问题，软件 bug，配置变更错误，系统恶化，超预期流量，外部攻击，依赖库问题，依赖服务问题。
并且，这些一旦失败，轻则出现业务不可用，影响用户体验和企业声誉；重则导致数据永 久丢失、业务再无恢复可能。例如，911 事故发生前，约有 350 家企业在世贸大厦工作。事故 后，有 200 家企业由于重要系统被破坏，关键数据丢失而倒闭。

3. 怎么面向失败设计？

在软件的整个生命周期中，不同的阶段面对失败场景有不同的应对规则。