architecture - 故障转移：对于软件错误或硬件或两者兼而有之？

Question

我正在设计一个系统，我将在其中运行程序以标称/冗余模式，一个在一台机器上，一个在另一台机器上。如果 Nominal 程序失败（故障转移事件），Redundant 应该接管并将操作作为一个新的 Nominal 进程。这对用户应该是透明的。

我的问题是：当发生故障转移时，这应该只是因为硬件故障吗？还是软件错误足以触发故障转移？

更一般地说，是否有一个行业标准来决定什么应该导致故障转移，或者这取决于系统架构师/设计师？

Answer 1

从集群的角度来看，这些类型的错误没有任何区别。问题是您不能依赖来自故障节点的任何“我失败”事件。

集群（在您的情况下为“冗余”角色）只是发现节点没有发送心跳（没有响应 ping）。然后“冗余”使自己成为“主”并开始处理传入的请求。这就是我想的。