容錯(cuò)檢查點(diǎn)算法研究和軟件設(shè)計(jì).pdf

1、近年來，越來越多的分布式系統(tǒng)被各行各業(yè)使用，如軍事、航空、金融系統(tǒng)等行業(yè)。隨著為分布式系統(tǒng)設(shè)計(jì)的分布式軟件的復(fù)雜度的增加，分布式系統(tǒng)中節(jié)點(diǎn)數(shù)量的增多，導(dǎo)致分布式系統(tǒng)有越來越高的概率發(fā)生故障，從而造成系統(tǒng)可靠性越來越差。若是在使用過程中出現(xiàn)故障，并且沒有相應(yīng)的保護(hù)措施，這些故障有可能會(huì)造成生命、財(cái)產(chǎn)的重大損失。因此研究容錯(cuò)檢查點(diǎn)技術(shù)就有十分重要的現(xiàn)實(shí)意義。
　　 本課題是基于山東省自然科學(xué)基金項(xiàng)目“基于后向恢復(fù)的異構(gòu)分布式系統(tǒng)容錯(cuò)

2、技術(shù)的研究與實(shí)現(xiàn)”提出的。在本文中首先敘述了現(xiàn)如今檢查點(diǎn)技術(shù)的研究意義及發(fā)展現(xiàn)狀，介紹了分布式系統(tǒng)的基本故障模型以及基本容錯(cuò)構(gòu)件。提出了一個(gè)基于不可靠的非FIFO通信信道的檢查點(diǎn)算法，在不可靠的非FIFO的通信信道中，系統(tǒng)會(huì)發(fā)生報(bào)文丟失、重復(fù)接收?qǐng)?bào)文和報(bào)文亂序。進(jìn)程可能由于報(bào)文丟失會(huì)導(dǎo)致一些報(bào)文不被計(jì)算，可能由于重復(fù)接收?qǐng)?bào)文導(dǎo)致一些消息被多次計(jì)算，也可能由于消息亂序?qū)е乱恍﹫?bào)文不能按照其發(fā)送順序進(jìn)行計(jì)算，以上提到的問題會(huì)導(dǎo)致系統(tǒng)產(chǎn)生不正

3、確的計(jì)算結(jié)果，從而無法使各進(jìn)程設(shè)置一致性的檢查點(diǎn)。我們的算法通過給每個(gè)報(bào)文分配一個(gè)序列號(hào)來解決上面提到的問題。在檢查點(diǎn)設(shè)置過程中，一致性檢查點(diǎn)通過發(fā)送消息序號(hào)與接收消息序號(hào)來決定。通過檢測(cè)發(fā)送消息序號(hào)和接收消息序號(hào)來標(biāo)識(shí)丟失消息、重復(fù)接收的報(bào)文和亂序報(bào)文。我們要重發(fā)丟失的消息，保存亂序消息和丟棄重復(fù)接收的報(bào)文來解決以上的問題。我們的算法能夠使系統(tǒng)設(shè)置一致性的全局檢查點(diǎn)。本文還敘述了Windows進(jìn)程檢查點(diǎn)的設(shè)置和恢復(fù)，分為用戶地址空間和