Отказоустойчивость

Отказоустойчивость (англ. fault tolerance) — способность системы продолжать работу, когда часть ее ломается: падает сервер, отключается база, перестает отвечать внешний сервис. Достигают ее запасом: копии сервисов на разных серверах, резервная база, повторные попытки и запасные сценарии. Пример: сервис рекомендаций недоступен, а магазин продолжает продавать и просто не показывает блок рекомендаций. Полностью защититься от сбоев нельзя, цель в том, чтобы сбой был ограниченным и система быстро восстанавливалась. Чем выше требования к доступности в SLA, тем дороже отказоустойчивость. Запасные копии удобно строить на горизонтальном масштабировании, а сбой вовремя замечают благодаря мониторингу.