單點故障(Single point of failure, SPOF)，指的是系統上的某一個物理節點故障，而導致整個系統無法運作的現象。
當進行系統風險評估時，必需將單點故障造成的影響，列入評估的範圍。依單點故障發生，會造成服務中止或系統全面性故障，冗餘機制的設定就必定列入考量。
案例
在軟體系統開發上，常用在檢視與評估系統或網路架構的脆弱環節。
假設有一個 API 服務，服務本身需要面對高頻率的資料存取，其中有七成以上的請求，都是取得最近的公告資訊。
基於以上的情境，規劃的系統架構如下，若是請求 API 的種類與公告資訊相關。API 的處理流程是先嘗試到 Cache 取得資料，若 Cache 內沒有資料，再去訪問資料庫，並將取回的資訊放一份在 Cache 內。
服務的系統架構初步看起來好像沒有問題，仔細觀察，發現所有的 API 主機同時使用同一台 Cache，這個節點的發生故障或異常，可能造成服務中止。
當 Cache 主機發生異常，或是遭遇到快取雪崩、快取擊穿、快取穿透等極端問題時，將會產生海量的請求直接繞過 Cache 衝擊資料庫。這極可能造成資料庫癱瘓，進而導致系統全面掛點。因此，在上述架構中，這台單點的 Cache 主機就是 SPOF。
那實務上該如何「排除」這個單點故障呢？常見的做法是引入冗餘機制，例如將單節點的 Cache 升級為 Redis Cluster 或引入 Sentinel 架構來達成高可用性；或者在應用程式內先加一層 Local Cache（如 In-Memory Cache），形成多層級快取防禦，確保外部元件倒下時，系統仍有最後一道防線。
在清楚有那些節點故障時，會對系統造成異常後，才能在事前安排對應的處理方式，達到防範於未然。
💡 互動時間 在你的職涯中，遇過最慘烈的 SPOF 災難是什麼呢？是某台沒人敢碰的老舊 Router 壞掉，還是全公司唯一的那台 DB 無預警重開？跟我們分享你的血淚史吧！
💬 留下你的想法
有問題、不同看法，或是你踩過類似的坑？歡迎留言討論，我會盡量回覆。