如何实现通信系统的高可靠性

通信，作为一种基础服务，对于大众而言，很多时候就像水、电、气一样，自然而必然，也正是因为如此，一旦出现通信故障，那就是大事故。

所以，通信的高可靠性，一直是通信行业区别于其它行业的特征之一。可以停水，可以停电，但是通信不能停。

一个最简单的例子，在电话线还不是从光猫拉出来的年代，即使停电，家里/公司里的固定电话还可以正常呼叫。

随着通信行业的发展，应用场景越来越多，技术复杂度越来越高，管理难度越来越大，近些年一些大面积的通信故障也时有出现，例如前两年某地市爆出移动网络大面积瘫痪导致手机无法呼叫，这在过去是非常罕见的。

这个世界上，没有100%可靠的东西。

在南方正常工作的电池拿到北方，冬天可能就直接罢工；在北方工作好好的通信系统，可能在南方的一场雷雨中要瘫痪大片；因此，通信系统的可靠性目标，是应该结合应用场景来设定的。

一般而言，通信系统由4部分组成，硬件、软件、（网络）环境、数据，可靠性的设计也围绕4块来展开，但不管如何，总体上，可靠性的设计，离不开架构设计、品质控制、正常处理、异常处理、故障监测与恢复。

一般情况下，常规通信系统，架构设计的难度最大，也最为体现通信系统的技术能力，其既能影响生产/开发成本，也影响其它所有环节的可靠性设计。品质控制，既有硬件的，也有软件的，投入大小，是系统品质最直观的保障手段。正常处理流程是通信系统达标的基础，做不到就是功能都未实现，所以，这一块不达标的系统较为少见。异常处理最易被忽略，这个是通信系统的下水道工程，做的再好，甲方都很难感受到，所以乙方一般也最难以把控在此处的投入，很多设计也许永远不会触发，但是这就像城市排水系统一样，遇上百年大水，可能就是生与死的区别。相对而言，故障的监测与恢复，是投入成本低、见效最明显、性价比最高的一环。

那么一个简陋的通信系统（只实现基础的通信功能），加上可靠性设计后，会增加多少呢？

依据通信系统性质的不同，可能千差万别。

比如呼叫中心，简单系统，与高可靠性系统，实现的都是坐席接打电话功能，功能差异化基本不会有太大差别，假设简单系统的可靠性是50%（一半时间工作正常），复杂系统的可靠性是90%（10天工作有1天出现故障），这40%的可靠性提升，软件部分的投入，至少是10倍的投入差距。

呼叫中心智能化运维

孤立的通信系统，可靠性的提升，总是有极限的；为1%的提升，付出的代价可能是十倍甚至百倍。那么，有没有更简便的方法提升可靠性呢？

有，而且原理十分简单。

这就是冗余设计。不管是冷备、热备，还是异地容灾等，都是冗余设计的不同形式。

一套90%可靠性的通信系统，当存在一套备份时，理论上的可靠性将直接提升到99%（100%-10%×10%），3套提升到99.9%，5套就可以达到5个9，99.999%。

看，5倍投入，就可以将90%的可靠性提升到99.999%，这个代价看起来比孤立提升设计划算得多。

当然，冗余备份的实际操作，难度很大，多套系统的管理协同，其本身也是需要设计存在开销，也存在可靠性问题；而且一些bug类的问题，靠冗余是无法解决的。

所以，系统可靠性设计提升及冗余备份，在高可靠性的通信系统需求实践中，都是必不可少的；特别的，通信系统的维保及服务，又是补充通信系统可靠性设计不足/成本过高的有效补充手段。在通信实践中，可靠性并不是越高越好，当然也不是成本越低越好，我们需要在投入及品质中权衡取舍，适合的才是最优的。