基于回卷恢復(fù)的MPI程序容錯.pdf

1、進程檢查點機制是在進程運行時周期性地保存進程的運行狀態(tài)，當(dāng)程序運行出現(xiàn)錯誤時，可利用保存的進程狀態(tài)對出錯進程進行恢復(fù)，使計算任務(wù)從該檢查點處繼續(xù)恢復(fù)執(zhí)行，以減少計算損失，提高程序運行的可靠性和可用性。然而在消息傳遞系統(tǒng)中，各并行進程在無錯執(zhí)行期間，相互發(fā)送消息使得各進程產(chǎn)生內(nèi)部的依賴性，從而在消息傳遞系統(tǒng)中進行回卷恢復(fù)時還要確保檢查點中進程狀態(tài)的全局一致。 本文首先介紹了消息傳遞系統(tǒng)中軟件容錯的概況及國內(nèi)外檢查點回卷恢復(fù)技術(shù)的現(xiàn)

2、狀。通過對PC平臺上主流Windows操作系統(tǒng)用戶進程空間的研究，提出將進程狀態(tài)的保存和恢復(fù)分為內(nèi)核對象和用戶地址空間兩部分來實現(xiàn)，對用戶地址空間通過先恢復(fù)布局再恢復(fù)內(nèi)容的兩步協(xié)議，實現(xiàn)了用戶地址空間的一致恢復(fù)；對內(nèi)核對象通過對內(nèi)核調(diào)用API函數(shù)進行截獲和包裹，用虛擬對象映射表實現(xiàn)了內(nèi)核對象的一致恢復(fù)，從而確保了用戶進程空間的一致恢復(fù)。 本文通過對MPI消息傳遞機制的研究，提出了MPI網(wǎng)絡(luò)拓撲結(jié)構(gòu)中對通訊頻繁的進程進行切片的思想

3、，在已有的MPI庫函數(shù)的基礎(chǔ)上，通過組合和添加相應(yīng)代碼，實現(xiàn)了一般網(wǎng)絡(luò)拓撲結(jié)構(gòu)切片的MPI庫函數(shù)，并進行了切片性能分析，可利用切片技術(shù)進行方便有效的并行程序設(shè)計。 本文對快速N+1奇偶校驗檢查點算法進行了改進，在進行奇偶校驗運算的檢查點機上通過利用增量有盤檢查點的方法比原算法少用了一臺備份機，利用兩階段提交協(xié)議確保能夠容忍檢查點機和一臺應(yīng)用處理機的并發(fā)錯誤，結(jié)合使用緩沖區(qū)技術(shù)減少算法時間開銷。在MPI并行環(huán)境中進行的實驗表明改進