Google 的工程师大牛 Jeff Dean 说过：“如果你有一万台计算机在运行，那么每天一定会有电脑死机发生。”事实上的确如此，无论服务器设计得有多可靠，总是有宕机的可能性存在，哪怕是 IBM 号称永不宕机的大型机 (z 系列主机，z 代表 zero down time)。所以数据中心的管理员们一直在寻找提高系统可靠性的解决方案，最常见的就是双机热备方案。
VMware vCenter 就能够提供高可靠的集群 (Cluster) 方案，在 vSphere 集群中，任何一台服务器发生严重故障了（如系统宕机、网络故障、存储失联等），上面运行的工作负载就会被 vCenter 转移到其他正常运行的服务器继续运行。这种高可靠架构可以满足绝大多数业务的需求，在共享存储或 vSAN 上都能实现 RPO=0 的效果，但是需要一点时间在其他服务器上重启相关应用和服务，所以 RTO>0。
在设计高可靠系统时经常涉及到 RTO 和 RPO 两个指标：
- RTO (Recovery Time Objective) 就是企业能容忍的恢复时间。灾难发生后，从 IT 系统宕机导致业务停顿，到 IT 系统恢复至可以恢复业务运营之间的时间。
- RPO (Recovery Point Objective) 可简单地描述为企业能容忍的最大数据丢失量。假设系统一天做一次备份，如果第二天出现错误，那从备份完成后到错误出现时所写入的数据都无法挽回了，从上一次备份到发生错误之间的时间就是 RPO。
但是还是有一部分关键应用不允许有任何中断，要求达到 RTO=0 的高可靠性，这时候就可以采用 vSphere Fault Tolerance 容错技术。
FT 工作原理
FT 技术的工作原理是把需要保护的虚机运行在主服务器上，指定集群中的另一台服务器为备份，vSphere 在备份服务器上也创建一个跟受保护虚机一模一样的虚机。主虚机和备份虚机的数据和状态是完全一致的，通过 vLockStep (virtual Lockstep) 技术来保证两台虚机的同步运行。vSphere 通过网络把主虚机的 FT 日志 (FT Logging) 传递给备份虚机，保证两台虚机在同一时间内处理相同的指令，并且处理相同的非确定性事件，如网络数据包、用户输入、硬件时钟等，这些非确定性事件在物理机上几乎是无法同步的，但是虚机的所有硬件和 I/O 输入都是由 vSphere 来控制的，所以就可以做到。
Lockstep 技术是容错计算机 (Fault Tolerance Computer) 的关键实现技术之一，通过使用相同的、冗余的硬件组件来保持多个 CPU、内存精确的同步，在正确的相同时钟周期内执行相同的指令。该技术能够保证发现任何错误，即使短暂的错误，系统也能在不间断处理和不损失数据的情况下恢复正常运行。
vSphere 把发送给主虚机的网络数据包也完全复制给备份虚机，备份虚机执行跟主虚机完全一致的指令流，按照相同的顺序来对网络服务请求做出响应，产生完全一致的运算结果。唯一的区别在于，主虚机对外的输出是实际生效的，磁盘写操作会提交给硬盘、网络数据包会被发送出去；备份虚机的所有对外输出都会被 vSphere 屏蔽，外界不会感知到备份虚机的存在。
只有当主虚机失效时 (主服务发生故障)，备份虚机才会真正生效。因为两个虚机的 CPU 指令顺列、内存状态都是完全一致的，vSphere 马上进行故障转移 (failover)，即刻让备份虚机变成新的主虚机， 所有的 TCP 网络连接都没有中断，虚机中的应用可以继续运行。对外界用户而言，受保护的虚机完全没有中断运行，实现了 RPO=0 和 RTO=0 的最高等级容错。为了继续保护新的主虚机，vSphere 会在集群中寻找一台合适的服务器作为新的备份服务器，然后在上面复制一个新的备份虚机出来，从而形成新的容错保护机制。
换一个角度，我们也可以把 FT 技术看作是一种特殊的 vMotion。vMotion 的过程是把虚机的内存逐块地复制到另一台服务器上，在复制的过程中虚机还在正常运行，所以内存还在被不断的改写，最后一块被复制的内存被称之 vMotion checkpoint，这块内存复制完成之后虚机就被完全切换到新的服务器上运行，从而完成 vMotion 的整个过程。FT 技术则是持续地复制 checkpoint 内存块，正常情况下并不结束这一操作，只有当故障转移时，才真正完成 vMotion 操作。
FT 适用条件
FT 技术不要求对应用进行改写，或是对操作系统进行特殊的配置，所以一般的应用可以很方便地使用 FT 技术来进行保护。vSphere 6.0 可以保护的虚机最多可以有 4 个 vCPU、64 GB 内存，不超过这个资源限制的应用都可以采用 FT 技术来保护。而且这是 vSphere 标准版就内置的功能，不用采购额外的软件许可证，凡是 vSphere 的用户都可以随时激活对于虚机的 FT 保护。
FT 的工作机制要求主备虚机之间进行同步，只有等备份虚机上的同步操作完成之后，主虚机上的数据包传输才会真正完成。对于网络上的用户而言，发给主虚机的网络请求就有一个额外的延迟，一般这个延迟从几毫秒到几百毫秒不等，一个低速的 FT 日志同步网络（如1GB）可能加剧这种等待，搭建 vSphere FT 环境要求主备服务器之间是专用的 10GB 高速低延迟同步网络，以保证主备服务器之间的 FT 日志同步速度，否则就会给受保护的应用带来严重的性能影响。所以 FT 技术不适用于对于延迟敏感的应用或者是实时应用，也不适用于对于内存进行大量修改的应用（因为会产生大量的 FT 日志同步）。
传统的容错计算是由昂贵的专用服务器实现的，现在 vSphere 在普通的 x86 服务器上就能实现同样的功能，容错计算终于成为一种大家都用得起的技术。
