判断归属：AI 候选解释。 文献主张与简化例子分开；尚未经过用户逐项确认。
Question#
三个副本提供冗余，但副本数没有说明它们会不会一起失效，也没有说明失去一个副本后要多久补回来。评估放置时，应先分清永久丢失数据与暂时无法访问；两者需要不同故障模型。
Failure-shape#
一个简化例子：三份数据放在同一机架的三个节点，可以抵抗单节点故障，却不能抵抗导致整架失效的共享电源故障。把副本分到不同机架降低这种共同暴露；如果机架仍共用一个供电区域，还需要看更高一层。这是解释故障相关性的例子，并非实测概率。
分层故障域论文的摘要用树表示依赖：叶子是服务器，上层故障会影响一组后代。作者的放置目标是减少相关故障能够同时禁用的副本数。它支持“按故障结构分散”的建模方式；树和目标是否符合实际系统仍须判断。
Repair-window#
分散副本还改变修复路径。Lian 等第 2—3 节与第 4 节比较机制指出：更多节点参与可加快并行修复，缩短冗余不足的窗口；更自由的随机组合也可能使某组并发故障命中系统里某个对象的全部副本。因此，单独比较修复速度或分散程度都不足以判断可靠性，修复带宽还可能封顶。
这也解释了为什么不能从“随机比顺序修复更快”推出“随机总更可靠”。论文采用的 MTTDL 是系统首次永久丢失对象的平均时间，结果依赖对象规模、组合数量、故障和带宽假设。
Design-boundary#
**AI 整理的判断顺序：**先定义要防的共同故障，再检查合法落点；随后看正常负载与修复时的资源竞争，最后在同一模型中比较风险。上述顺序是分析方法，不是新的可靠性定理。
Kinesis 的摘要提供“隔离分段内保留资源选择自由”的例子；SRS 的有限仿真则提醒容量均衡也是独立约束。二者不能替代真实故障率、跨域相关性或恢复演练。
Links#
迁移会临时改变副本集合，下一步阅读为什么最终放置还不足以规定迁移过程。来源证据缺口保留尚未读到的证明与模型细节；主题地图说明阅读顺序。