层级
| 层级 | 典型故障 | 隔离手段 |
|---|---|---|
| 进程 | 崩溃、内存泄漏 | 舱壁、资源限额 |
| 节点 | 宕机、硬件故障 | 多副本、反亲和调度 |
| 机架/可用区 | 断电、网络中断 | 跨域副本、域内优先 |
| 地域 | Region 级灾难 | 多地域容灾、数据复制 |
副本分布要与调度策略一起评审：反亲和规则缺失时，副本可能恰好落在同一故障域。
故障域隔离
按进程、节点、机架、可用区、地域等层级划分故障影响范围，把副本与流量分布到独立域中；目标是单域故障不放大为全局故障。
易错点
- 副本声明跨可用区，调度未配反亲和导致同区聚集
- 跨域流量未做配额，单域故障后流量压垮其余域
数据来源与参考
- AWS Well-Architected Framework：Reliability Pillar
- Azure 架构中心：可靠性支柱设计评审