引言

随着企业的业务不断发展，系统架构日益复杂，服务器数量越来越多，对系统的性能和可用性提出更高的要求，作为运维团队，如何保障业务连续性，开展稳定性运维建设，避免系统故障导致业务中断日益重要。

系统稳定性指标MTBF、MTTF、MTTR

彼得.德鲁克 现代管理学之父说过：If you can’t measure it, you can’t improve it.

如果你不能度量它, 你就无法改进它。

要提升系统稳定性，就需要有可以度量系统稳定性指标，我们将系统服务运行状态拆解来看，处于正常态的时间为无故障时间（MTTF），处于异常态的时间为恢复时间（MTTR）。

稳定性运维的本质就是尽可能去压降MTTR，提升MTTF。反映到故障维度来说，就是尽可能零故障或故障时长尽可能的短。

稳定性指标说明

• MTBF（Mean Time Between Failure）平均故障间隔时间
• MTTR（Mean Time To Repair）平均故障修复时间
• MTTF (Mean Time To Failure)平均失效前时间

MTTR细分

当发生故障时，故障平均修复时间（MTTR）如何缩短尤为重要。故障平均修复时间（MTTR）可以具体细分如下

故障平均修复时间（MTTR）具体细分

• MTTI（Mean Time To Identify）平均故障发现时间
• MTTK（Mean Time To Know）平均故障定位时间
• MTTF（Mean Time To Fix）平均故障解决时间
• MTTV（Mean Time To Verify）平均故障修复和验证时间
• MTTR=MTTI+MTTK+MTTF+MTTV

稳定性运维工作思考

从以上稳定性指标，我们可以关联出压降故障平均修复时间的工作方向，比如：

压降MTTI：监控告警、日常巡检、用户反馈响应

压降MTTK：监控分析、日志分析、链路分析、一键诊断

压降MTTF：应急预案、故障隔离、服务限流、容灾切换

压降MTTV：监控验证、日志验证、链路验证、服务验证、诊断验证