virheenkestokyky

Virheenkestokyky, joskus viitataan sanalla virheenkestävyys, on järjestelmän ominaisuus, jonka avulla se pystyy jatkamaan toimintaa virhetilanteissa tai palauttamaan toimintansa hallitusti nopeasti. Tavoitteena on minimoida käyttökatkot ja varmistaa kriittisten toimintojen jatkuvuus. Virheenkestokykyyn liittyy sekä virheiden havaitsemista ja eristämistä että järjestelmän palautumiskykyä häiriöiden jälkeen.

Keskeisiä keinoja ovat redundanssi: useiden samanlaisten komponenttien, polkujen tai palvelinten käyttö sekä varmistettu tallennusvaihtoehto, kuten RAID- järjestelmät ja useat verkko- tai sähköyhteydet. Virheentunnistus ja -korjaus sisältävät pariteetit, ECC-muistin sekä tarkistuskoodit, joiden avulla virheitä voidaan havaita ja korjata. Eristäminen ja rajapintojen hallinta tarkoittavat esimerkiksi sandboxingia ja mikropalveluarkkitehtuuria, jotka rajaavat vikojen vaikutukset. Toipuminen ja palautuminen toteutetaan automaattisen failoverin, tilakopionnin, varmuuskopioinnin tai replikoinnin avulla. Hyvä virheenkestävyys huomioidaan jo suunnitteluvaiheessa: idempotenssi, tilapohjaisen tilan minimoiminen, looginen eristäminen ja ennalta määritellyt palautumispolut.

Mittareita ovat käytettävyys (availability), eli järjestelmän kokonaishäiriöttömyys prosentteina, sekä MTBF (keskimääräinen vikaantumisaika) ja MTTR (keskimääräinen vian korjausaika). Tietoliikenne- ja sovellusalalla arvioidaan myös tiedonmenetyksen sietokykyä kuvaavia mittareita, kuten RPO (recov­ery point objective) ja RTO (recovery time objective).

Esimerkkejä virheenkestokyvyn sovelluksista ovat RAID-levyjärjestelmät, ECC-muisti sekä kaksinkertaiset virtalähteet ja verkkoyhteydet. Hajautetuissa järjestelmissä klusterointi, kuormituksenjakaminen ja konsensusalgoritmit (esim. Raft tai Paxos) tukevat jatkuvuutta ja nopeaa palautumista häiriöistä.