5.3.3 故障转移与恢复

文档摘要

5.3.3 故障转移与恢复在分布式系统的世界里，故障不是“会不会发生”的问题，而是“何时发生、以何种形态爆发”的确定性事件。我们曾无数次在深夜被告警惊醒——主库心跳超时、Raft集群中多数节点失联、Kafka分区 ISR 缩减为 1、Etcd 成员状态持续 ……那一刻，系统没有道德判断，没有情感缓冲，它只忠实地执行着代码逻辑：要么继续服务，要么沉默崩溃。而决定生死的，正是故障转移（Failover）与恢复（Recovery）机制是否能在毫秒级完成状态重校准、数据一致性重协商与服务权柄的无感交接。这不是高可用的装饰性功能，而是数据一致性的最后一道闸门。