Spolehlivost distribuovaného systému popisuje, nakolik lze systému důvěřovat, že bude dlouhodobě poskytovat správnou službu navzdory chybám, poruchám a nepředvídatelným podmínkám prostředí.

Je to zastřešující vlastnost, která není o jednom běhu systému, ale o jeho chování v čase.

[!note] Jak získat spolehlivost Protože komponenty selhávají, spolehlivost získáme jen tím, že máme všeho víc. (redundance)

Typy redundance:

1. Informační redundance: Přidáme bity navíc pro opravu chyb (ECC paměť, checksumy v paketech).
2. Časová redundance: Když se akce nepovede, zkusíme to znovu (retry logic v RPC).
3. Fyzická redundance (replikace): Místo jednoho serveru máme tři.

   vztah spolehlivosti a stavu distribuovaného systému

Vlastnosti co chceme

1. Availability (Dostupnost):
   • Pravděpodobnost, že systém poskytuje službu v daném okamžiku.
   • Metrika: Uptime.
   • Řeší: replikace, failover, quorum-based algoritmy, slabší modely konzistence.
2. Reliability (Spolehlivost v užším smyslu):
   • Schopnost běžet nepřetržitě bez selhání po určitou dobu.
   • Metrika: MTBF.
   • Řeší: architektura systému, redundance, recovery mechanizmy.
3. Safety (Bezpečnost provozu):
   • Když už systém selže, nesmí způsobit katastrofu (např. jaderná elektrárna, ovládání brzd).
   • Řeší: synchronizační algoritmy, konsenzus, safety properties.
4. Integrity (Integrita):
   • Systém nesmí data náhodně měnit nebo poškodit. Řeší: konzistence, atomické operace, transakce.