面向恢復(fù)的容錯計算技術(shù)研究.pdf

1、高可靠容錯計算機的成本、可實現(xiàn)性和可擴展性問題一直是困擾其開發(fā)和廣泛使用的主要問題，而利用商用計算機成熟硬軟件技術(shù)和資源(COTS技術(shù))實現(xiàn)容錯計算系統(tǒng)，擁有傳統(tǒng)專用容錯設(shè)計沒有的許多優(yōu)點，成為了容錯技術(shù)研究熱點。但在當前以COTS技術(shù)為基礎(chǔ)的軟件和軟硬件協(xié)同實現(xiàn)的容錯計算系統(tǒng)中，如何實現(xiàn)容錯功能的透明性和提高故障檢測、診斷、恢復(fù)的效率，減少對系統(tǒng)正常工作的影響一直是研究的重點和難點問題；另外，目前使用廣泛的基于卷回的故障恢復(fù)機制存在一

2、些先天不足，必須加以克服。 基于此，本文在對目前國內(nèi)外一些容錯計算系統(tǒng)的實現(xiàn)原理和集群技術(shù)進行深入研究后，提出了利用COTS技術(shù)、容錯和集群思想，實現(xiàn)容錯集群服務(wù)器的結(jié)構(gòu)模型，以滿足一些領(lǐng)域?qū)Ψ?wù)器高可靠、高可用及高性能的要求。研究并實現(xiàn)了一種基于PC/Linux平臺下結(jié)合容錯技術(shù)和集群技術(shù)優(yōu)點的OPIAC容錯集群服務(wù)器系統(tǒng)，對其故障發(fā)生情形進行了分析研究，重點研究了它的故障恢復(fù)模型和策略、檢查點實現(xiàn)技術(shù)，并對系統(tǒng)性能進行了評估

3、。 首先，對幾種具有典型代表性的容錯計算系統(tǒng)體系結(jié)構(gòu)進行了分析，對當前容錯系統(tǒng)設(shè)計中使用的故障恢復(fù)機制、方法，檢查點技術(shù)實現(xiàn)原理進行了研究，分析了影響檢查點系統(tǒng)開銷的關(guān)鍵因素、檢查點技術(shù)的演化趨勢及基于檢查點技術(shù)實現(xiàn)COTS智能容錯計算和故障恢復(fù)存在的困難及目前需要解決的一些主要技術(shù)問題。 其次，研究了在有備份模塊和無備份模塊的TMR容錯結(jié)構(gòu)中故障發(fā)生及故障恢復(fù)的各種情形，定量分析、比較了兩種容錯體系結(jié)構(gòu)下使用的故障恢復(fù)

4、算法的效率；根據(jù)實時應(yīng)用系統(tǒng)對實時任務(wù)(進程)運行時間的限制，研究了檢查點設(shè)置間隔(兩次進程狀態(tài)保存之間的時間)對進程正常運行的影響，給出了一種滿足實時應(yīng)用需求的動態(tài)保存進程狀態(tài)的檢查點設(shè)置策略。為進一步提高故障恢復(fù)效率，提出了智能容錯系統(tǒng)的透明、并行故障恢復(fù)算法—階梯型算法。 第三，提出了一種基于COTS技術(shù)、結(jié)合容錯技術(shù)和集群技術(shù)構(gòu)造高可靠和高性能容錯服務(wù)器的思想，并據(jù)此基于PC/Linux系統(tǒng)平臺，設(shè)計實現(xiàn)了一個集成了容錯

5、機高可靠性、高可用性和集群系統(tǒng)高性能的OPIAC容錯集群服務(wù)器。通過對Linux內(nèi)核的改造和擴充，采用具有自主處理能力的容錯管理模塊完成系統(tǒng)容錯功能，實現(xiàn)了容錯功能對應(yīng)用的透明，一方面對在OPIAC容錯集群服務(wù)器上運行的應(yīng)用程序的編寫和運行沒有任何限制和附加要求；另一方面對與服務(wù)器通信的客戶端應(yīng)用來說，感覺不到服務(wù)器內(nèi)部的故障檢測、診斷和恢復(fù)及服務(wù)進程在內(nèi)部節(jié)點間的遷移過程，并且不影響新的網(wǎng)絡(luò)連接的建立。詳細描述了實際實現(xiàn)中進行故障恢復(fù)