本论文结合作者的实践，讨论了软件可靠性设计的实际应用。首先概述了活动平台项目及架构，其次为了满足架构阶段提出的可靠性要求，分析了影响软件可靠性的主要因素，并介绍了软件可靠性设计的基本原则，最后分析提出的可靠性要求结合常用的可靠性设计方法，基于基本原则制定并实施了提高可靠性的措施，大大提高了平台在各重要及敏感环节可靠性，提高系统的质量及用户体验。通过合理的软件可靠性设计，经过6个多月设计与实现，系统在发布后得到用户好评与团队的认可，并持续迭代，累计C端用户两千多万。

正文

项目背景

移动互联网时代，用户对活动需求持续增长，但活动供应与需求信息不对称，公司决定研发综合性活动平台（以下简称为：“平台”），为中小微企业提供活动组织发布服务，同时为用户提供更丰富的活动搜索服务。

项目概述

平台初期我们采用层次架构，结合SOA的架构风格，使用REST相关技术将通用模块、业务模块服务化，将平台分为应用层、服务层、数据层。根据用户角色不同，我们将应用层主要分为网站群、活动管理系统、活动搜索服务应用（涉及PC、公众号、App、小程序）、运营管理系统、工具服务系统等；由服务层为应用层提供业务逻辑服务，除了用户管理、订单支付管理等公共服务外，我们还将不同的类型的活动作为一个独立的服务，比如报名活动、预约活动、投票、抽奖、小游戏等；数据层提供数据的持久化、缓存、搜索访问。

考虑到平台倾向于移动端用户，且围绕微信生态，出于快速迭代快速验证的目的，采用成熟的lanmp体系，基于阿里云ecs集群及SLB负载均衡服务，在框架上选择了ThinkPHP框架、使用redis cluster分布式缓存、数据库采用阿里云DRDS云数据库、前端资源打包到七牛云CDN、使用阿里云消息队列MQ实现消息异步等

可靠性设计及基本原则

提出了可靠性性要求

在架构评估阶段，对平台可靠性提出了要求，这里罗列部分：

1、用户编辑活动异常退出，内容不能丢失
2、活动参与用户要求真实有效避免僵尸用户
3、活动的实时参与要求平台出现故障不能超过10分钟；
4、要求用户提现要求稳定性高，避免用户产生不信任感
5、要求用户重要操作消息通知不丢失

可靠性是什么

系统的可靠性是系统在规定时间内及规定的环境条件下，完成规定功能的能力，也就是系统无故障运行的概率。为了保证系统的可靠性，需要对系统进行可靠性设计与管理。

可靠性基本原则

虽然软件可靠性设计技术与普通的软件设计技术没有明显的界限，但软件可靠性设计仍要遵循一些基本原则：

1、软件可靠性设计是软件设计的一部分，必须在软件的总体设计框架中使用，并且不能与其他的设计原则相冲突。
2、软件可靠性设计在满足提高软件质量要求的前提下，以提高和保障软件可靠性为最终目标。
3、软件可靠性设计应确定软件的可靠性目标，不能无限扩大化，并且排在功能度、用户需求和开发费用之后考虑。

可靠性设计

影响可靠性的主要因素

要提高软件可靠性，首先分析影响软件可靠性的主要因素，一般来说影响可靠性的因素有：

1、运行环境。

软件是建立在硬件、操作系统的基础上，并和很多中间件服务有关系，所以选择合适运行环境很重要。
2、软件规模。

软件规模直接影响时间和空间复杂度，复杂度达到一定界限，软件可靠性将大幅度下降。
3、软件内部结构。

一般来说软件内部结构越复杂，软件可靠性越低。
4、软件开发方法与开发环境。

不同的开发方法及过程，将影响到软件的细节，细节对可靠性的影响是显著的。
5、软件可靠性投入。

可靠性除了设计，还有管理、测试、评价，并贯穿于整个软件生命周期，这都需要再人力、财力等方面的投入。

可靠性设计方法

在了解和分析影响可靠性因素后，在遵循可靠性设计的基本原则下，我们采用了以下可靠性设计技术：

1、容错设计技术。

常用的容错设计主要有恢复块设计、N版本程序设计、冗余设计三种方法。在活动编辑我们采用了恢复块方法，支持前端临时草稿机制与后端持久化草稿机制，保证在功能异常或奔溃退出后，还能恢复最新活动内容；在活动参与验证方面，我们采用了N版本程序设计，服务优先使用阿里云人机验证方式，在该验证方式出现故障或其他意外原因后，自动切换到内部实现的前后端加解密与验签的方案，保证验证的可靠性；冗余设计是可靠性的一个重要技术，在平台部署方面，采用云服务器集群及SLB负载均衡，在数据层rds采用主备方案，在redis上采用cluster集群，保证数据层数据可靠性，在应用层数据配置上采用多层冗余缓存方案，在域名上也做了冗余处理，避免由于小概率的内容审核不严谨导致社交平台临时封禁，而影响系统分享服务。
2、检错技术。

检错技术能及时发现故障但不能自动修复故障，需要通知人工维护。我们在一些出现故障时暂时无法自动修复的重要环节，比如在检测到短信故障时及时通过钉钉、邮件通知相关人员，在提现环节增加异常检查，在异常超出给定范围将通知相关人员跟进排查解决，将所有服务抛出的异常记录到日志文件，每日定时检查分析，及时了解系统服务运行情况及及时发现问题解决问题。
3、降低复杂度设计。

复杂度超过一定界限意味着高耦合的可能性，在保证软件功能的基础上，简化软件结构。我们结合SOA的思想，将通用模块及业务模块服务化，降低耦合性，并在每个服务粒度上进行业务流程的优化及代码算法优化，通过提高每个服务的可靠性提高系统的可靠性。

可靠性设计贯穿软件工程整个生命周期，在每一次迭代过程中，我们都关注可靠性设计、管理、测试、评价。可靠性设计是保证系统质量的重要设计，通过软件可靠性设计，可以大大提升系统的可靠性，为用户提供高质量友好体验的可靠服务。

总结

项目经过内部多次版本迭代，最终在次年5月完成RC版本，并对外发布。由于可靠性设计的投入，平台运行稳定，出现异常或问题时，能够第一时间容错，并及时分析排查解决问题。经过2年多的发展，累计C端用户两千多万，得到用户的好评和团队的认可。通过本次理论与实践的相结合，我们更明白了软件可靠性在软件工程实际开发过程中的重要程度，我们应该把可靠性设计、管理、测试、评价运用到软件工程的各个阶段中，保证项目高可靠性。

论系统可靠性设计

目录

摘要

正文