1. 课程导入与业务连续性全景
在数据中心和关键业务系统里，“服务器不宕机”从来不是一句口号，而是一整套可度量、可演练、可恢复的工程能力。Supermicro 作为服务器与存储平台的供应商，其业务连续性（Business Continuity）关注的核心问题是：当硬件、链路、电源、存储路径或站点发生故障时，业务能否在可接受的时间内继续运行或恢复，并且数据不丢失、状态可预期。本课程围绕这一目标展开，共 30 章，从概念、架构、配置到排障与复盘，逐步建立完整的故障切换知识体系。
什么是业务连续性，什么是故障切换
业务连续性指的是组织在遭遇中断事件后，将关键业务维持在可接受服务水平，或在规定时间内恢复到该水平的能力。它包含两个维度：一是连续性，即故障发生时业务不中断或仅短暂降级；二是可恢复性，即中断后能按既定目标恢复。衡量它的常用指标有两个：RTO（Recovery Time Objective，恢复时间目标）和RPO（Recovery Point Objective，恢复点目标）。RTO 回答“多久能恢复”，RPO 回答“能容忍丢失多少数据”。例如某业务要求 RTO ≤ 5 分钟、RPO ≈ 0，就意味着必须采用自动故障切换加同步复制的方案，而不是依赖人工介入和定时备份。
故障切换（Failover）是实现业务连续性的关键手段。它的核心目标可以概括为三点：检测故障、转移服务、保持数据一致。检测要快而准，避免误判导致不必要的切换；转移要自动且有序，确保客户端能重新连接到可用节点；保持则要求切换前后数据状态一致，不产生脑裂或数据回退。理解这三点的关系，是后续学习所有具体技术的基础。
关键区分：高可用（HA）侧重“减少中断”，容灾（DR）侧重“跨站点恢复”，备份侧重“历史数据找回”。三者目标不同，常组合使用，但不能互相替代。
Supermicro 平台上的连续性能力全景
在 Supermicro 服务器平台上，业务连续性并非单一功能，而是由多个层次协同构成的体系。从下往上大致可分为：
- 硬件冗余层：冗余电源、双路供电、ECC 内存、热插拔硬盘与风扇，减少单点硬件故障。
- 存储与数据层：RAID、NVMe 双端口、同步/异步复制，保证数据在故障时可用且一致。
- 网络与链路层：双上行链路、bonding/Teaming、多路径 I/O，避免单链路中断。
- 集群与切换层：双机热备、集群仲裁、虚拟化 HA、心跳检测，实现服务自动转移。
- 站点与容灾层：跨机架、跨机房、跨站点复制与切换，应对更大范围故障。
- 运维与验证层：监控告警、切换演练、RTO/RPO 验证、故障复盘。
这六个层次共同决定了最终的业务连续性水平。任何一层缺失，都会成为短板。例如存储做了同步复制，但网络只有单链路，那么链路故障仍会导致切换失败。因此本课程不会孤立讲某个功能，而是强调层次之间的配合关系。
课程整体结构与学习路径
本课程共 30 章，按“认知—设计—实施—验证—改进”的逻辑组织，而不是简单罗列功能。第 1 章建立全景认知，明确业务连续性、故障切换、RTO/RPO 的基本定义与关系。随后进入架构与原理部分，讲解 Supermicro 平台上的冗余设计、存储路径、网络多路径、集群仲裁等机制。中段聚焦实施与配置，包括双机热备搭建、心跳与仲裁配置、存储复制设置、虚拟化 HA 策略等。后段进入演练与排障，通过实际切换测试、日志分析、故障注入来验证 RTO/RPO 是否达标。最后以复盘与优化收尾，形成持续改进的闭环。
学习路径上，建议按以下顺序推进：先理解“为什么需要”，再理解“靠什么实现”，然后动手“怎么配置”，最后通过“怎么验证”确认效果。每一章都会给出可观察的对象、可操作的步骤和可判断的结果，避免停留在概念层面。
一个贯穿课程的示例场景
为了让抽象概念有具体参照，本课程会反复使用一个示例场景：某企业有一套基于 Supermicro 双路服务器的业务系统，运行数据库与 Web 服务，要求 RTO ≤ 5 分钟、RPO ≈ 0。系统采用两台服务器组成双机热备，共享存储通过双端口 NVMe 连接，网络采用双上行链路绑定，心跳与仲裁独立配置。正常情况下主节点对外提供服务，备节点同步数据并保持待命。当主节点电源、网卡或存储路径发生故障时，系统需要在 5 分钟内完成检测、仲裁、服务转移和客户端重连，且数据不丢失。
这个场景中的每个环节，都会在后续章节中逐一展开。例如：心跳超时阈值设多少才合理？仲裁票数如何避免脑裂？存储多路径切换需要多久？客户端如何感知切换并重连？这些问题的答案，构成了业务连续性的实际工程细节。
学习建议：每学完一个机制，都回到这个示例场景中问一句——“如果这里坏了，切换还能在 5 分钟内完成吗？”这能帮助你把零散知识串成一条完整的故障切换链路。
本章要点回顾
业务连续性的本质是用合理的成本，把故障带来的中断控制在可接受范围内。故障切换的核心目标是快速检测、有序转移、保持数据一致。Supermicro 平台上的连续性能力分为硬件冗余、存储与数据、网络与链路、集群与切换、站点与容灾、运维与验证六个层次，任何一层短板都会影响整体效果。RTO 和 RPO 是衡量连续性的两个关键指标，决定了方案的技术选型。本课程后续 29 章将沿着“概念—架构—配置—演练—排障—复盘”的路径，逐步把这些能力落到可执行、可验证的操作层面。