前段日子，阿里系的整个应用全部崩溃，很多人说这是史诗级的大崩溃，会波及到很多人，会裁员。

1.怎么评估软件系统的可靠性？

那我们怎么能够确定这次故障是一个非常严重的故障呢？在项目里或者在工业上要怎么做判断呢？

实际上有一个衡量软件可靠性的标准，一般叫做“5个9”或者“4个9”，有同学问“5个9”“4个9”是什么意思，我们可以来看下面这张图。

几个9表示，一年之内你的系统累计故障的时间，1个9大概36天，2个9大概3天，三个9只有8个小时。

在我们软件业最常用的是4个9，正常在美团这样的大公司系统里，例如登录或者支付的核心基础架构，至少应该达到4个9的标准，也就是一年最多宕机50分钟，有的公司可能还会更严格。 

再比如微信、支付宝、银行系统这种大家都用的网络技术架构，基本上要保证5个9，就是一年内只会出现5分钟的故障。

但是这次阿里云的整体故障大概两个小时左右，别说5个9了，连4个9也没达到。

2.阿里云这次崩溃确实很严重

所以我们说阿里云这次的故障是非常严重的，是不可接受的。

因为网络的基础架构是不能停的，如果银行系统白天挂两个小时，影响就会很大。

实际上我以前在大厂工作也遇到过这种情况。

我们团队是做支付中心的，我那时候刚工作不到一年，被当作管理来培养。

正好在部门经理休假的时候，系统出现了问题，直接停了快三个小时。

CTO就坐在我旁边，我们的业务型高级开发人员在解决故障，只有我在协调怎么切数据库，怎么切消息涌道，怎么重备份我们的主机。

事件结果，我被扣了一个月的年终奖。但这还不是最痛苦的，当时临近年终答辩，本来我们数据库管理和测试的两个大佬，都是那次答辩应该晋级的。

但是偏偏在答辩前一天出了故障，两个人连答辩都没有去，因为他们知道肯定过不了，所以影响真的比较大。

这种故障出现一次就会吃一次亏，但是有很多公司，尤其是业务进展比较快的公司，大家都一心向前，底层的东西越做越被遗忘，所以很多时候会出现一些逻辑上的问题。

大家工作以后会经常用到这些需要可靠性的系统，特别是商业公司的登录、支付或者订单中心，因为这是公司所有团队都要用的系统，如果挂掉的话就会很麻烦。

比如双11期间，好不容易让消费者下单了，最后发现支付系统故障，付不了钱，那就要承担很大的责任，因为做商业最终的目的就是让人付费。