¿Qué son la disponibilidad y la confiabilidad en el diseño de sistemas?

Question

Accepted Answer

**Disponibilidad** (el sistema está activo y accesible) y **confiabilidad** (el sistema funciona correctamente) son requisitos no funcionales clave. Lograrlas implica redundancia, tolerancia a fallos, eliminar puntos únicos de fallo y manejar fallos de manera elegante.

## Disponibilidad vs confiabilidad

```text
AVAILABILITY → the system is UP and responsive (accessible when needed):
  → measured as uptime % ("nines": 99.9% = ~8.7h/year down; 99.99% = ~52min/year)
RELIABILITY → the system works CORRECTLY (does what it should, without failures/errors):
  → related but distinct (a system can be up but returning wrong results — available but
    unreliable)
→ both matter: users need the system available AND working correctly.
```

## Lograr alta disponibilidad

```text
✓ REDUNDANCY → multiple instances/copies → no single point of failure (if one fails,
  others serve) — the core principle
✓ Spread across AVAILABILITY ZONES / regions → survive data center/region failures
✓ FAILOVER → automatically switch to backups when something fails
✓ LOAD BALANCING + health checks → route around failed instances
✓ Database replication; eliminate SINGLE POINTS OF FAILURE everywhere
```

## Construir sistemas confiables

```text
✓ Design for FAILURE → assume things WILL fail; handle it gracefully (failures are normal
  at scale)
✓ FAULT TOLERANCE → continue working despite component failures (retries, fallbacks,
  circuit breakers, graceful degradation)
✓ MONITORING → detect issues; backups/recovery for data; test failure scenarios
✓ Avoid CASCADING failures (one failure triggering others) → isolation, timeouts
```

## Por qué es importante

Entender disponibilidad y confiabilidad es fundamental porque son **requisitos no funcionales clave para sistemas en producción**, por lo que diseñar teniendo en cuenta estas características es conocimiento esencial de diseño de sistemas. **Disponibilidad** (que el sistema esté activo y accesible, medida en "nueves" de tiempo de actividad) y **confiabilidad** (que el sistema funcione correctamente) son cruciales porque los usuarios necesitan sistemas que sean accesibles y que funcionen correctamente — y entender la distinción (un sistema puede estar disponible pero ser no confiable si está activo pero devuelve resultados incorrectos) aclara estas preocupaciones relacionadas pero distintas.

Entender cómo **lograr alta disponibilidad** es central: **redundancia** (múltiples instancias para que no haya un único punto de fallo — el principio central), distribución en zonas/regiones de disponibilidad (sobrevivir a fallos de centros de datos), **failover** (cambio automático a copias de seguridad), balanceo de carga con verificaciones de salud, y **eliminar puntos únicos de fallo** en todas partes — estas son las técnicas fundamentales para mantener los sistemas activos a pesar de los fallos.

Entender cómo **construir sistemas confiables** — **diseñar para fallos** (asumir que las cosas fallarán y manejarlos de manera elegante, ya que los fallos son normales a escala — una mentalidad clave), **tolerancia a fallos** (continuar a pesar de fallos de componentes mediante reintentos, alternativas, disyuntores y degradación elegante), monitoreo, copias de seguridad, y evitar fallos en cascada — refleja la resiliencia necesaria para la producción.

La perspectiva clave es que a escala, los fallos son inevitables, por lo que los sistemas deben diseñarse para tolerarlos (mediante redundancia y tolerancia a fallos) en lugar de asumir que todo funciona.

Ya que disponibilidad y confiabilidad son esenciales para sistemas en producción (usuarios necesitándolos activos y funcionando correctamente) y lograrlas requiere redundancia, tolerancia a fallos y diseño para fallos, y como entender estos conceptos y técnicas es fundamental para el diseño de sistemas, entender disponibilidad y confiabilidad es conocimiento fundamental de diseño de sistemas esencial — requisitos no funcionales clave que los sistemas en producción deben cumplir, centrales en diseñar sistemas resilientes mediante redundancia y tolerancia a fallos, y reflejando la mentalidad de diseño para fallos esencial para construir sistemas que permanezcan activos y funcionen correctamente a escala.