故障模式是什么

线上系统 不会永远正常。磁盘满、依赖超时、发布 bug 都会让请求失败。故障模式（Failure Mode） 描述「什么会坏、怎么表现、影响多大」——可靠性的起点不是「永不宕机」，而是 可预期地失败。

学习目标

• 区分 可用性 与 可靠性 的直觉
• 理解 Failure Mode 对架构设计的作用
• 对照 CodeRoadMap 宝塔单机 部署的故障面

可用性 vs 可靠性

概念	直觉	例子
可用性	系统能响应请求的比例	99.9% ≈ 每月 43 分钟不可用
可靠性	在故障下仍 正确 或 可降级	数据库慢时返回缓存，而非 500

高可用靠冗余；高可靠靠 超时、熔断、幂等、监控 等设计（本 track 逐课展开）。

CodeRoadMap 单机拓扑

用户浏览器
    │
    ▼
宝塔 Nginx :443 ──► platform (Next.js) :3000
                 └──► backend (Spring Boot) :8080
                           │
                           └──► MySQL :3306

一个进程挂、一个端口不通、磁盘满，整站都可能受影响——故障模式在单机上 同样成立，只是 blast radius 在一个宿主机内。

Failure Mode 清单思维

写架构前先问：

1. 依赖挂了 — 第三方 API、MySQL 连接池耗尽？
2. 资源耗尽 — 内存 OOM、线程池满、磁盘 100%？
3. 变更引入 — 发布、配置改错、迁移脚本？
4. 流量异常 — 爬虫、重试风暴？

可观测性见 prom-intro；微服务视角见 sc-intro。

练习

• 列出 CodeRoadMap 三条最可能的 Failure Mode
• 说明「可用 99% 但数据写错」为何是可靠性问题
• 在 /roadmaps/backend 找到 Reliability / Failure 相关节点

小结

先承认会坏，再设计怎么坏得可控。 下一课：故障分类。