企业级基础设施的长期可靠性：一份工程视角

2026.06 研究

当一套系统要运行二十年，可靠性不再是指标，而是一种组织方式。

多数关于可靠性的讨论停留在可用性百分比。对一套要运行二十年的系统来说，这个数字几乎没有意义：它既不能告诉你下一次故障来自哪里，也不能告诉你十年后谁还看得懂这段配置。

我们从三个维度重新讨论可靠性。供电与物理环境决定了系统的下限；变更管理决定了系统在演进中不被自己击垮；人员的延续性决定了知识不随人员流动而流失。

本文整理了公司在长期运营中形成的做法：每一次变更都有可回退方案，每一个关键岗位都有两个以上的知情人，每年至少一次不通知的演练。这些做法没有一条是新的，难的是二十年不间断地做。