一、核心指标与概念

1.失效概率 F(t)

• 定义：系统在时间 t 内发生至少一次故障的概率。
• 特性：
• 单调递增，随着时间趋近无穷大而趋向 1。
• 是可靠度的补集：

F(t)=1−R(t)

2.可靠度 R(t)

• 定义：系统在时间 tt 内持续无故障运行的概率。
• 数学关系：

R(t)=1−F(t)

• 物理含义：数值越大，表示系统在该时间段内"不出问题"的概率越高。

3.失效强度（故障率） λ(t)

• 定义：单位时间内发生失效的速率。
• 常见形式：
• 恒定故障率：适用于软件稳定期。
• 变化故障率：常见于软件迭代早期（发现缺陷较多）。
• 关系式：
  若失效服从指数分布：

4.平均失效前时间 (MTTF)

• 定义：系统从开始运行到第一次失效的期望时间。
• 公式：
• 适用场景：一次性任务、不可修复系统。

5.平均恢复前时间 (MTTR)

• 定义：故障发生后，从检测、诊断、修复到恢复运行所需的平均时间。
• 组成部分：
• 故障检测时间
• 故障定位时间
• 修复/替换时间
• 验证与恢复上线时间

6.平均故障间隔时间 (MTBF)

• 定义：两次故障之间的平均时间间隔。
• 公式：

MTBF=MTTF+MTTR

• 适用场景：可修复系统，如服务器、业务系统。

7.系统可用性 AA

• 定义：系统处于可用状态的时间比例。
• 公式：

• 意义：直接对应服务级别协议 (SLA)，如 99.9% 可用性 ≈ 年停机时间 ≤ 8.76 小时。

二、指标之间的关系

1.基本关系链：

失效概率 F(t) ↔ 可靠度 R(t) ↔ MTTF ↔ MTBF ↔ 可用性 A

2.故障率 λ(t) 与可靠度 R(t) 的关系：

3.可用性与 MTTR 的敏感性：

• 在 MTTF 固定的情况下，减少 MTTR 可大幅提高可用性。
• 高可用系统往往通过冗余部署、自动化故障恢复、热备降低 MTTR。

三、工程应用与实践

1.软件可靠性测试

• 通过收集失效数据估算 **失效强度 λ(t)**。
• 使用可靠性增长模型（如 Musa 模型、Jelinski-Moranda 模型）预测未来失效趋势。

2.运维与 SLA 管控

• 监控 MTBF 和 MTTR，确保达到 SLA。
• 典型等级：
• 99% 可用性 ≈ 每周停机 ≤ 1.68 小时
• 99.9% 可用性 ≈ 每年停机 ≤ 8.76 小时
• 99.99% 可用性 ≈ 每年停机 ≤ 52.56 分钟

3.可靠性设计优化

• 提高 MTTF：通过代码质量改进、异常防护、冗余备份。
• 降低 MTTR：通过自动化运维、快速回滚机制、蓝绿部署。

四、实例解析

假设某 SaaS 系统：

• 平均无故障运行时间 MTTF = 500 小时
• 平均修复时间 MTTR = 2 小时

则：

MTBF=500+2=502 小时

如果将 MTTR 从 2 小时优化为 0.5 小时：

可用性显著提升，且无需提升 MTTF。

五、总结

• **MTTF 体现"故障前的耐久"，MTTR 体现"修复效率"**，两者决定 MTBF。
• 可用性 A 是服务交付层的最终体现，是用户感知最直接的指标。
• 失效强度 λ(t) 与可靠度 R(t) 可用来预测系统生命周期内的表现。

1）软件可靠性定量关系图

2）Musa-Okumoto 可靠性增长模型