面向并行迭代計算的故障恢復技術(shù)研究.pdf

1、迭代方法求解線性方程組是工程技術(shù)應用和科學研究的核心計算方法，目前迭代方法求解線性方程組都是在分布式計算系統(tǒng)上進行，但伴隨著分布式系統(tǒng)中節(jié)點規(guī)模的擴大，系統(tǒng)在運行期間發(fā)生故障的概率也隨之增大。發(fā)生的故障同時包括失效停止的故障（硬故障）和失效繼續(xù)的故障（軟故障）。在迭代計算中基于算法的故障恢復技術(shù)是對這兩種故障進行在線恢復的主流技術(shù)，但是基于算法的故障恢復技術(shù)對這兩種故障進行在線恢復時都存在開銷大的問題。而開銷問題很大程度上限制了迭代計算

2、的應用與發(fā)展，本文研究如何降低在線故障恢復產(chǎn)生的開銷，主要分為以下兩個方面:
　　第一，針對迭代計算時基于算法的硬故障恢復技術(shù)因為難以保證對所有節(jié)點實現(xiàn)在線故障恢復，以及無法保證對多節(jié)點同時失效時進行在線故障恢復，從而導致產(chǎn)生開銷大的問題。本文在基于算法的硬故障恢復技術(shù)的基礎上提出基于信息冗余的硬故障恢復技術(shù)，該技術(shù)在迭代計算時通過額外的多傳遞一份數(shù)據(jù)給別的計算節(jié)點，使整個迭代計算在迭代時保證每個節(jié)點都能在整個迭代計算系統(tǒng)中存在多

3、個備份。當多個節(jié)點同時失效時，失效節(jié)點可以從沒有失效節(jié)點上獲取正確數(shù)據(jù)繼續(xù)進行計算。雖然基于信息冗余的硬故障恢復技術(shù)在數(shù)據(jù)傳遞時產(chǎn)生了一定的額外開銷，然而這種額外開銷是很小的甚至可以忽略不計，但是基于信息冗余的硬故障恢復技術(shù)不僅保證了對所有節(jié)點實現(xiàn)在線故障恢復，而且保證對多節(jié)點同時失效時進行在線故障恢復。避免了因無法實現(xiàn)在線對多節(jié)點同時失效進行故障恢復而重新計算，導致產(chǎn)生巨大的時間開銷問題。
　　第二，在迭代計算中基于算法的軟故障

4、恢復技術(shù)通過采用做檢測點和檢查點實現(xiàn)對軟故障進行在線故障恢復，但是存在難以科學設置檢測點和檢查點間隔而導致開銷大的問題。本文基于檢查點和檢測點的開銷的不同，以檢測點和檢查點的間隔時間為變量，利用馬爾科夫鏈構(gòu)建計算任務在有故障情況下的完成時間估計模型，得到最優(yōu)的檢查點間隔和檢測點間隔的求解試，進而在最低開銷下實現(xiàn)對軟故障的在線冗余。通過實驗表明，針對不同的故障率以及任務長度，檢測點和檢查點間隔優(yōu)化后的基于算法的軟故障恢復技術(shù)與傳統(tǒng)基于算法