分布式系統(tǒng)故障檢測的關鍵技術研究.pdf

1、目前，分布式系統(tǒng)的應用已經(jīng)越來越廣泛，規(guī)模和復雜性不斷增加，其可靠性變得越來越重要，卻越來越難以實現(xiàn)。然而對于一些關鍵應用領域（如航天、軍事、金融、醫(yī)療等），確保系統(tǒng)的高可靠性是非常必要的。故障檢測是構建可靠的分布式系統(tǒng)所必需的基礎服務組件之一。隨著分布式系統(tǒng)規(guī)模的不斷擴大，故障檢測的自適應能力和可擴展性已經(jīng)變得非常重要。本文的工作針對這兩個問題展開，研究了其中幾項關鍵技術。首先，在自適應于網(wǎng)絡變化的基礎上，進一步研究了能夠自適應于多個

2、應用程序檢測需求的故障檢測器；然后針對層次式檢測方法存在的缺陷，分別研究了Leader節(jié)點的可用性問題和鏈路故障的檢測問題。本文的研究結果可直接應用于層次式檢測方法各個環(huán)節(jié)的設計之中，為大規(guī)模分布式系統(tǒng)故障檢測機制的設計提供了理論支持。
　　分布式系統(tǒng)規(guī)模的不斷擴大產(chǎn)生了大量對故障檢測有著不同服務質(zhì)量（QualityofService,QoS）需求的分布式應用，對于故障檢測器，為保持其有效性和可擴展性，應該既能夠準確提供應用程序所

3、需的故障檢測QoS，又能夠避免為滿足不同QoS而設計多套故障檢測器產(chǎn)生的多余負載。為此，檢測器在自適應于網(wǎng)絡條件的基礎上，還應該能夠適應于不同應用程序的需求。本文基于QoS基本評價指標,(TUDTTLMR),UM，采用PULL模式主動檢測策略實現(xiàn)了一種新的故障檢測器—QA-FD，可以同時支持多個應用程序定量描述的QoS需求，不需要關于消息行為和時鐘同步的任何假設。同時，證明了QA-FD在部分同步模型下可實現(xiàn)一個◇P類的故障檢測器，并給出

4、了相應的實驗及數(shù)據(jù)。
　　層次式故障檢測方法是降低檢測負載，提高系統(tǒng)可擴展性的一種重要方法，并且具有較高的實際應用價值。但是，這類方法過分依賴于每個分組的Leader節(jié)點，形成了一個單故障點，使Leader節(jié)點成為系統(tǒng)可靠性瓶頸。本文根據(jù)分布式系統(tǒng)自身的特點，提出了一種基于仲裁的雙模容錯Leader節(jié)點解決方案。通過馬爾科夫模型對雙模系統(tǒng)進行分析，指出了高覆蓋率和高成功率的故障檢測機制對系統(tǒng)可用性的重要影響。針對傳統(tǒng)使用的故障檢測

5、機制成功率較低的問題，提出了一種仲裁檢測機制，仲裁系統(tǒng)采用容錯方案設計，具有較高的可靠性，在雙機無法對故障做出正確判斷時，可作為可信的第三方對故障做出準確的定位，有效地提高了系統(tǒng)的檢測成功率。在此基礎上，結合自檢測和心跳檢測機制，設計了一種基于仲裁的多級故障檢測機制，進而提出了一個完整的雙模高可用Leader節(jié)點解決方案，并將其應用到了實際項目的研發(fā)之中，通過故障注入實驗驗證了其可用性能夠滿足系統(tǒng)的設計要求。
　　目前大多數(shù)故障檢

6、測算法都將故障模型局限于節(jié)點故障，將鏈路故障簡單的掩蓋或是直接模型化為節(jié)點故障，這造成了系統(tǒng)節(jié)點資源的迅速消耗，導致系統(tǒng)可用性的潛在下降。本文提出了一個基于多中心節(jié)點的故障檢測協(xié)議（DPHM），引入了多中心節(jié)點的檢測結構，通過多中心節(jié)點間的表決機制可以迅速、準確地檢測并定位故障鏈路，解決了故障鏈路與故障節(jié)點無法區(qū)分的問題。同時，中心節(jié)點之間引入了選舉能力，可在中心節(jié)點發(fā)生故障時及時的選舉新的中心節(jié)點，進一步延長了系統(tǒng)連續(xù)工作時間，提高了

7、系統(tǒng)可用性。
　　拜占庭故障是最為復雜的一種故障模型，對其進行掩蓋或是檢測都需要更大的代價。但是，在某些對可靠性要求非常高的場合，在故障模型的假設中卻必須要考慮。為此，本文進一步研究了存在拜占庭故障鏈路和節(jié)點的系統(tǒng)的故障檢測問題。針對拜占庭故障行為的任意性，首先提出了一種無效鏈路故障模型，可以更加準確的描述惡意組件的故障行為對系統(tǒng)的影響，有效提高故障檢測的覆蓋率。在此模型基礎上，提出了一個基于證據(jù)的故障診斷一致性協(xié)議PLFDA，可