3. 可靠性评审基础：可靠性工程基本概念

在变更冻结闸口评审中，可靠性工程的基本概念是量化评估系统稳定性的核心工具。本节将系统性地介绍MTBF（平均故障间隔时间）、MTTR（平均修复时间）以及可用性（Availability）的计算公式与工程含义，为后续的闸口评审指标设定奠定基础。

3.1 可靠性工程的核心度量

可靠性工程通过三个基本指标来刻画系统的稳定与恢复能力。下表对比了这三个指标的定义、关注点与典型应用场景：

3.2 MTBF：平均故障间隔时间

MTBF 衡量系统在正常运行状态下，两次故障之间的平均时间间隔。其计算公式为：

MTBF = 总运行时间 / 故障次数

其中：

• 总运行时间：系统处于可用状态的总时长（通常以小时为单位）。
• 故障次数：在统计周期内发生的、导致服务中断或降级的故障事件总数。

示例：某 API 网关在 30 天内累计运行 720 小时，期间发生 4 次故障，则：

MTBF = 720 / 4 = 180 小时

这意味着平均每 180 小时（约 7.5 天）会发生一次故障。MTBF 越高，系统越稳定。

3.3 MTTR：平均修复时间

MTTR 衡量从故障被确认到系统完全恢复正常服务所花费的平均时间。其计算公式为：

MTTR = 总修复时间 / 故障次数

其中：

• 总修复时间：所有故障从发现到恢复的累计耗时。
• 故障次数：与 MTBF 中的故障次数一致。

示例：上述 API 网关的 4 次故障，修复时间分别为 0.5h、1h、0.8h、0.7h，则：

MTTR = (0.5 + 1 + 0.8 + 0.7) / 4 = 0.75 小时（45 分钟）

MTTR 越低，说明团队的故障响应与恢复能力越强。在变更冻结闸口评审中，MTTR 直接反映回滚与应急流程的成熟度。

3.4 可用性计算公式

可用性（Availability）是 MTBF 和 MTTR 的综合体现，其标准计算公式为：

可用性 = MTBF / (MTBF + MTTR) × 100%

该公式假设系统在稳定运行与故障修复之间循环，且故障间隔与修复时间相互独立。

代入上述示例数据：

可用性 = 180 / (180 + 0.75) × 100% ≈ 99.59%

这意味着该 API 网关在统计周期内约有 99.59% 的时间处于可用状态，对应的不可用时间约为 0.41%（约 2.95 小时/月）。

下表展示了不同可用性等级对应的年化不可用时间：

3.5 可靠性指标关系图

下图展示了 MTBF、MTTR 与可用性之间的逻辑关系，以及它们在系统生命周期中的位置：

3.6 可靠性指标在变更冻结闸口中的应用

在变更冻结闸口评审中，可靠性指标用于设定准入与准出条件。以下是一个典型的评审检查清单：

1. MTBF 基线对比：对比变更前后的 MTBF 预期值。若变更导致 MTBF 下降超过 20%，则需提供风险缓解方案。
2. MTTR 能力验证：确认变更涉及的回滚方案是否能在目标 MTTR 内完成（例如，核心服务 MTTR ≤ 15 分钟）。
3. 可用性目标对齐：计算变更后的预期可用性，确保不低于冻结期间承诺的 SLA 等级。
4. 历史数据回溯：查看过去同类变更的 MTBF/MTTR 实际数据，用于评估本次变更的可靠性风险。

3.7 常见误区与避坑指南