---
title: "高可用性（High Availability）"
slug: high-availability
language: zh-TW
source: https://aiterms.tw/terms/high-availability
updated_at: 2026-06-22
tags: [系統架構, AI 基礎設施, 可靠性, iPAS]
ipas_term: false
---

# 高可用性（High Availability）

系統在面對故障、維護和負載波動時，能持續提供服務、維持高正常運行時間的設計屬性。

## 完整說明

高可用性（High Availability, HA）指系統設計使服務中斷時間最小化的能力，通常以「可用時間百分比」衡量（如 99.9% 代表每年最多約 8.7 小時中斷）。在 AI 系統架構中，高可用性通過冗餘部署、故障轉移機制和健康監控實現，確保模型推論服務不因單點故障而停擺。

## 常見問題

### 高可用性與容錯性（Fault Tolerance）有什麼區別？

高可用性側重最大化服務正常運行時間，通過冗餘和快速故障切換實現；容錯性側重在部分組件故障時系統仍能正確運行，即使性能可能下降。高可用性是目標（結果），容錯性是實現手段（機制）。一個高可用系統通常具備容錯性，但容錯系統不一定追求極高的可用性百分比。

### AI 推論服務如何在不影響可用性的情況下更新模型？

常用策略包括：藍綠部署（Blue-Green）同時維護新舊兩套完整服務，切換時零中斷；滾動更新逐個替換副本，始終保持服務；金絲雀部署先讓少量流量測試新版本。配合 Kubernetes 的 readinessProbe，確保新版本模型完全載入後才接收生產流量，避免使用者接觸到尚未就緒的模型。

### 衡量 AI 系統可用性時需要注意哪些指標？

除了傳統的 MTBF（平均故障間隔時間）和 MTTR（平均恢復時間），AI 系統還需要監控推論延遲百分位數（P99 延遲）、吞吐量（QPS）和錯誤率。可用性不只是「系統在線」，還要求系統在 SLA 定義的性能標準下正常運作。若推論延遲超過 SLA 閾值（如 > 500ms 視為故障），也計入不可用時間。

---

來源：https://aiterms.tw/terms/high-availability
快查頁：https://aiterms.tw/terms/high-availability
最後更新：2026/06/22
深度解說：https://aiterms.tw/learning/what-is-high-availability