可靠性（dependability）

純粹的速度不是一個好的電腦系統的全貌。一台每秒處理一百萬筆交易卻偶爾弄丟一筆的銀行機器是沒用的；一個儲存系統被衡量的，不只是它回答得多快，還有你能不能信任那個答案、能不能指望在你需要時系統還在。可靠性是這份信任的總稱：一個你能依賴它交付正確服務、並持續交付的系統的品質。它把可靠度、可用性、容錯這些概念都包在一起。

首先要弄清楚的是「故障、錯誤、失效」這條鏈。故障（fault）是一個瑕疵或缺陷——一道宇宙射線、一個耗損的快閃區塊、一條鬆脫的纜線、一個臭蟲。故障可能造成錯誤（error）——一個不正確的內部狀態，像記憶體裡翻轉的一個位元。而錯誤若觸及系統的行為，就造成失效（failure）——系統交付了錯誤的服務，像傳回壞資料或當機。關鍵的洞見是：故障不一定會變成失效：若你先抓到並修正錯誤，系統就持續正確運作。那道間隙正是整個可靠性工程安身之處。兩個標準度量把它量化：可靠度，常以平均故障間隔時間（平均多久才故障一次）概括；以及可用性，系統正常運轉並提供服務的時間比例。

那要怎麼把故障變成沒事發生？最主要的工具是冗餘——額外的資源，其唯一任務就是在失效時頂替。ECC 加上冗餘位元，好讓翻轉的位元被更正而非被交付。RAID 加上冗餘磁碟，好讓一顆死掉的磁碟不丟資料。複製的伺服器讓其中一台在另一台死去時接手。誠實的框架是：你無法防止每一個故障，所以可靠的設計假設故障一定會發生，並安排好讓它們優雅地降級而非災難性地崩潰。冗餘並不免費——它要付硬體、功耗與複雜度——這就是為什麼可靠性永遠是一個刻意的取捨，而非你白白就能得到的預設值。