今天我们收到了客户的一个有趣的“要求”。
他们希望 100% 正常运行场外Web 应用程序上的故障转移。从我们的 Web 应用程序的角度来看，这不是问题。它被设计为能够跨多个数据库服务器等进行扩展。
但是，从网络问题来看，我似乎无法弄清楚如何让它工作。
简而言之，应用程序将驻留在客户网络内的服务器上。内部和外部人员均可访问它。他们希望我们维护系统的异地副本，以便在他们的场所发生严重故障时立即接手并接管。
现在我们知道内部人员（信鸽？）绝对没有办法解决这个问题，但他们希望外部用户甚至不会注意到。
坦白说，我完全不知道这是怎么可能的。似乎如果他们失去互联网连接，那么我们就必须更改 DNS 以将流量转发到外部机器……当然，这需要时间。
有想法吗？
更新
我今天与客户进行了讨论，他们澄清了这个问题。
他们坚持 100% 这个数字，称即使发生洪水，应用程序也应该保持活跃。但是，只有我们为他们托管应用程序时，该要求才会生效。他们说，如果应用程序完全在他们的服务器上运行，他们会处理正常运行时间要求。你可以猜到我的反应。
答案1
这是维基百科追求九的便捷图表：
有趣的是，只有排名前 20 的网站中的 3 个2007 年，能够实现神话般的 5 个 9 或 99.999% 的正常运行时间的几家公司分别是雅虎、美国在线和康卡斯特。2008 年前 4 个月，一些最流行的社交网络，根本就没接近这个数字。
从图表中可以看出，追求 100％ 正常运行时间是多么荒谬......
答案2
要求他们定义 100% 以及如何衡量 100% 以及衡量的时间段。他们可能指的是尽可能接近 100% 的水平。向他们提供成本。
详细说一下。多年来，我一直在与客户讨论所谓的荒谬要求。在所有情况下，他们实际上只是使用了不够精确的语言。
他们经常以看似绝对的方式描述事物——比如 100%，但实际上，经过更深入的调查，他们足够合理地进行成本/收益分析，这是在向风险缓解数据提供成本时所必需的。询问他们将如何衡量可用性是一个关键问题。如果他们不知道这一点，那么你就必须建议他们首先定义这一点。
我会要求客户定义如果网站在以下情况下瘫痪，会对业务产生什么影响/成本：
- 在最繁忙的时段 x 小时
- 在他们最不忙的时段 x 小时
以及他们将如何衡量这一点。
通过这种方式，您可以与他们合作确定“100%”的正确水平。我怀疑通过提出这类问题，他们将能够更好地确定其他要求的优先级。例如，他们可能愿意支付一定级别的 SLA 并牺牲其他功能以实现此目标。
答案3
你的客户疯了。100% 正常运行时间是不可能的无论你花多少钱。很简单——不可能。看看谷歌、亚马逊等。他们有几乎无穷无尽的资金投入到他们的基础设施中，但他们仍然设法停机。你需要向他们传达这个信息，如果他们继续坚持提出合理的要求。如果他们不承认这一点一些停机时间是不可避免的，那么就放弃它们吧。
话虽如此，您似乎已经掌握了扩展/分发应用程序本身的机制。网络部分将需要涉及到不同 ISP 的冗余上行链路、获得 ASN 和 IP 分配，以及深入研究 BGP 和实际路由设备，以便 IP 地址空间可以在需要时在 ISP 之间移动。
显然，这是一个非常简短的答案。您没有使用需要这种程度正常运行时间的应用程序的经验，因此如果您想接近神话般的 100% 正常运行时间，您确实需要让专业人士参与进来。
答案4
没问题——不过合同措辞略有修改：
...保证正常运行时间为 100%（四舍五入到小数点后零位）。