服务中断代价高昂。无论最终是由攻击还是软硬件故障导致，原因本身并非重点。随着现代数字经济日益依赖API和Web应用，每分钟停机造成的成本也在不断上升。
对一些企业而言，这些成本高得惊人。据估算，Amazon在2013年发生的40分钟停机造成了264万美元的损失。换算下来就是每秒1,100美元，每秒不想自己计算的话，可以直接看这个数字。如果这已经让人震惊，再看看Google：同年一次5分钟的停机使其每分钟损失10.9万美元（即每秒1,816.67美元），每秒）总损失高达54.5万美元，而停机时间仅为5分钟。严格来说，如果这就是其遭受的全部停机时间，那么它达到了IT部门需要实现、备受推崇的“5个9”可用性。
服务中断多久发生一次？显然，发生得太频繁了。如果还没见过这张地图，不妨看看pingdom的实时服务中断地图。该地图基于其全球70多万用户的数据构建，以一种令人不安却又引人入胜的方式，展示过去1小时内全球发生的服务中断。用明亮闪光表示服务中断的设计颇为巧妙，让人直观感受到中断给用户带来的影响。
也就是说，这种影响并非用户所愿。
数字经济加剧了这一问题。今年早些时候，Amazon发生S3中断，导致大量客户的应用和网站无法访问。但不要急于将这一问题归咎于公有云提供商，只需快速浏览builtwith.com网站，这种看法很快就会被打消。如果考虑到由此对其他服务正常运行时间的依赖，使用CDN和API的网站比例之高或许令人担忧。几乎找不到不依赖至少一个外部API或服务的网站。这会增加停机的可能性，因为一旦该外部服务中断，您的网站也会随之中断。
从根本上说，IT之所以将目标定为“5个9”，是因为不可能实现100%的可用性。如今，随着经济向数字领域转型，每秒成本急剧攀升，关键在于尽量缩短停机时间。换言之，与试图彻底消除停机时间相比，设定较短平均解决时间（MTTR）的目标同样重要，甚至可能更为重要。
Puppet Labs的《2016年DevOps现状报告》将MTTR列为衡量“高绩效组织”的关键指标之一。MTTR是指发生服务事件（例如计划外中断或服务受损）后恢复服务所需的时间。根据该报告的评估，绩效较高的组织所需时间不到1小时，而中等和较低绩效组织所需时间“不到1天”。报告指出：“换言之，高绩效组织的MTTR速度是低绩效组织的24倍。”
请注意，问题并不是“是否”会发生服务事件，而是“何时”会发生。这里假定服务事件必然会发生，因此关键在于尽可能缩短解决时间。IHS 的一项2016 年调查显示，“受访者平均每月经历 5 次停机事件，平均每月停机 27 小时”，这会给中型组织造成 1 美元的损失，而大型组织的损失最高可达 6,000 万美元。
如果假设墨菲定律仍凌驾于摩尔定律和康威定律之上，那么应尽量缩短平均修复时间（MTTR），从而减少不可避免的停机时间及相关成本。
这意味着可见性至关重要，也就意味着需要监控，而且是大量监控。但不能只监控网站、Web应用或API，还需要监控整个技术栈。从网络到应用服务，再到应用本身，都要纳入监控范围。并非所有人都会这样做，即使做了，执行方式似乎也不一致。
以2017年的xMatters|Atlassian DevOps成熟度调查为例，50%的受访者表示，他们会“等待运维团队宣布发生重大事件”后再作出响应。更令人担忧的是，1/3的公司“从客户那里得知服务中断”。
在数字经济中，每一秒都至关重要。这不仅会造成经济损失，还会对未来收入产生负面影响。品牌价值和客户信任度下降，会导致购买量和用户数量减少，最终使增长陷入停滞。企业不应走向这样的局面。
监控是发现导致中断的问题的第一步。但仅靠监控无助于缩短平均修复时间（MTTR），沟通才能发挥作用。尽快向相关利益相关者发出警报，并为其提供排查问题所需的信息，有助于更快解决问题。这意味着共享作为DevOps的四大关键支柱之一，是缩短MTTR的关键。即使企业尚未采用DevOps的其他方面，也应考虑将共享提升为优先事项。无论是通过ChatOps，还是通过电子邮件、移动应用或动态更新的Wiki页面，都必须在整个组织内广泛共享通过监控获得的信息。
交换机或服务器出现的小故障看似无关紧要，但如果置之不理，最终可能导致关键应用所依赖的一半服务中断。在Viavi开展的《2017年网络状况研究》中，65%的网络和系统管理员表示，“确定问题是由网络、系统还是应用引起的”是排查应用问题时面临的首要挑战。提高可见性并实施全栈监控是应对这一挑战的一种方式，可确保负责查找根本原因的人员尽可能全面地掌握数据路径中所有组件的状态和运行状况信息。
可观测性是IT未来发展的关键。缺乏可观测性，就无法达到必要的自动化水平，从而在中断发生前采取补救措施。缺乏可观测性，就无法切实缩短平均修复时间。没有可观测性，企业也难以保持可持续增长。
与安全一样，可观测性也应在推动IT发展的战略体系中占据核心地位。中断难以避免，而可观测性有助于组织快速、高效地恢复，并尽可能减少对品牌和利润的影响。
关于作者
Lori MacVittie是F5首席技术官办公室的杰出工程师兼首席技术布道师，在应用交付、自动化战略和基础设施领域拥有深厚的专业知识。无论是为AI智能体定义防护机制、剖析脆弱的多云架构，还是探索可扩展系统的极限，她都善于化繁为简。她在应用开发、IT架构以及网络和系统运维领域拥有30多年的行业经验。加入F5之前，她曾担任技术编辑，并因出色表现获得奖项。 MacVittie拥有计算机科学硕士学位，著述颇丰，出版作品涵盖安全、云和企业架构领域。她还热衷于桌面游戏和电子游戏，并且对奶酪有着毫不掩饰的鲜明见解。
Lori Mac Vittie 的更多博客文章相关博客文章
Thingbot正转变为攻击平台
Lori MacVittie重点介绍了F5 Labs对2018年1月至6月全球物联网设备攻击的研究，并指出了其中令人警醒的影响。物联网设备不仅持续遭到利用，还被转变为攻击平台，这意味着攻击者可以更充分地利用这个必然增长的市场。
借助F5全新Quick Start，在AWS上快速开展业务
在AWS re:Invent开幕前，我们很高兴与大家分享F5与AWS之间全新的Quick Start集成。F5的Tom Atkins将介绍该服务如何启动、配置和运行在AWS上部署工作负载所需的计算、网络、存储及其他AWS服务。