分布式系統(tǒng)故障檢測的關(guān)鍵技術(shù)研究.pdf

1、目前，分布式系統(tǒng)的應(yīng)用已經(jīng)越來越廣泛，規(guī)模和復(fù)雜性不斷增加，其可靠性變得越來越重要，卻越來越難以實(shí)現(xiàn)。然而對于一些關(guān)鍵應(yīng)用領(lǐng)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(gòu)建可靠的分布式系統(tǒng)所必需的基礎(chǔ)服務(wù)組件之一。隨著分布式系統(tǒng)規(guī)模的不斷擴(kuò)大，故障檢測的自適應(yīng)能力和可擴(kuò)展性已經(jīng)變得非常重要。本文的工作針對這兩個(gè)問題展開，研究了其中幾項(xiàng)關(guān)鍵技術(shù)。首先，在自適應(yīng)于網(wǎng)絡(luò)變化的基礎(chǔ)上，進(jìn)一步研究了能夠自適應(yīng)于多個(gè)

2、應(yīng)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(diǎn)的可用性問題和鏈路故障的檢測問題。本文的研究結(jié)果可直接應(yīng)用于層次式檢測方法各個(gè)環(huán)節(jié)的設(shè)計(jì)之中，為大規(guī)模分布式系統(tǒng)故障檢測機(jī)制的設(shè)計(jì)提供了理論支持。
　　分布式系統(tǒng)規(guī)模的不斷擴(kuò)大產(chǎn)生了大量對故障檢測有著不同服務(wù)質(zhì)量（QualityofService,QoS）需求的分布式應(yīng)用，對于故障檢測器，為保持其有效性和可擴(kuò)展性，應(yīng)該既能夠準(zhǔn)確提供應(yīng)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(shè)計(jì)多套故障檢測器產(chǎn)生的多余負(fù)載。為此，檢測器在自適應(yīng)于網(wǎng)絡(luò)條件的基礎(chǔ)上，還應(yīng)該能夠適應(yīng)于不同應(yīng)用程序的需求。本文基于QoS基本評價(jià)指標(biāo),(TUDTTLMR),UM，采用PULL模式主動檢測策略實(shí)現(xiàn)了一種新的故障檢測器—QA-FD，可以同時(shí)支持多個(gè)應(yīng)用程序定量描述的QoS需求，不需要關(guān)于消息行為和時(shí)鐘同步的任何假設(shè)。同時(shí)，證明了QA-FD在部分同步模型下可實(shí)現(xiàn)一個(gè)◇P類的故障檢測器，并給出

4、了相應(yīng)的實(shí)驗(yàn)及數(shù)據(jù)。
　　層次式故障檢測方法是降低檢測負(fù)載，提高系統(tǒng)可擴(kuò)展性的一種重要方法，并且具有較高的實(shí)際應(yīng)用價(jià)值。但是，這類方法過分依賴于每個(gè)分組的Leader節(jié)點(diǎn)，形成了一個(gè)單故障點(diǎn)，使Leader節(jié)點(diǎn)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(diǎn)，提出了一種基于仲裁的雙模容錯(cuò)Leader節(jié)點(diǎn)解決方案。通過馬爾科夫模型對雙模系統(tǒng)進(jìn)行分析，指出了高覆蓋率和高成功率的故障檢測機(jī)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(jī)制成功率較低的問題，提出了一種仲裁檢測機(jī)制，仲裁系統(tǒng)采用容錯(cuò)方案設(shè)計(jì)，具有較高的可靠性，在雙機(jī)無法對故障做出正確判斷時(shí)，可作為可信的第三方對故障做出準(zhǔn)確的定位，有效地提高了系統(tǒng)的檢測成功率。在此基礎(chǔ)上，結(jié)合自檢測和心跳檢測機(jī)制，設(shè)計(jì)了一種基于仲裁的多級故障檢測機(jī)制，進(jìn)而提出了一個(gè)完整的雙模高可用Leader節(jié)點(diǎn)解決方案，并將其應(yīng)用到了實(shí)際項(xiàng)目的研發(fā)之中，通過故障注入實(shí)驗(yàn)驗(yàn)證了其可用性能夠滿足系統(tǒng)的設(shè)計(jì)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(diǎn)故障，將鏈路故障簡單的掩蓋或是直接模型化為節(jié)點(diǎn)故障，這造成了系統(tǒng)節(jié)點(diǎn)資源的迅速消耗，導(dǎo)致系統(tǒng)可用性的潛在下降。本文提出了一個(gè)基于多中心節(jié)點(diǎn)的故障檢測協(xié)議（DPHM），引入了多中心節(jié)點(diǎn)的檢測結(jié)構(gòu)，通過多中心節(jié)點(diǎn)間的表決機(jī)制可以迅速、準(zhǔn)確地檢測并定位故障鏈路，解決了故障鏈路與故障節(jié)點(diǎn)無法區(qū)分的問題。同時(shí)，中心節(jié)點(diǎn)之間引入了選舉能力，可在中心節(jié)點(diǎn)發(fā)生故障時(shí)及時(shí)的選舉新的中心節(jié)點(diǎn)，進(jìn)一步延長了系統(tǒng)連續(xù)工作時(shí)間，提高了

7、系統(tǒng)可用性。
　　拜占庭故障是最為復(fù)雜的一種故障模型，對其進(jìn)行掩蓋或是檢測都需要更大的代價(jià)。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(shè)中卻必須要考慮。為此，本文進(jìn)一步研究了存在拜占庭故障鏈路和節(jié)點(diǎn)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(zhǔn)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(chǔ)上，提出了一個(gè)基于證據(jù)的故障診斷一致性協(xié)議PLFDA，可