节点故障冗余机制最佳实践

大规模集群里节点故障不是偶发意外，而是日常运行的一部分，容错冗余必须从一开始就设计进去，而不是等故障来了再补救，为什么大规模集群节点故障是常态数据中心里几千台甚至上万台服务器同时工作，硬盘、内存、网卡、电源、主板都在持续消耗，单台服务器年故障率听起来不高，但把基数放大到一万台,几乎每个月甚至每周都会遇到硬件报修……