Improving Availability with Fine-grained Failure Detection and Recovery.pdf

1、當(dāng)今科技社會(huì)，系統(tǒng)高可用性以其可提供24小時(shí)連續(xù)服務(wù)的優(yōu)勢(shì)正越來越受到企業(yè)的重視。錯(cuò)誤檢測(cè)和錯(cuò)誤恢復(fù)是高可用性系統(tǒng)的關(guān)鍵部分之一，因此這個(gè)領(lǐng)域的研究非?；钴S。近年來，研究人員設(shè)計(jì)了各種錯(cuò)誤檢測(cè)和恢復(fù)技術(shù)來減少檢測(cè)延時(shí)和錯(cuò)誤恢復(fù)所需要時(shí)間，以提高系統(tǒng)的可用性。但是，如何系統(tǒng)地整合各種技術(shù)，使之更全面迅速地進(jìn)行錯(cuò)誤檢測(cè)和恢復(fù)的研究相對(duì)較少。 本文在深入研究各種錯(cuò)誤檢測(cè)和恢復(fù)技術(shù)的基礎(chǔ)上，提出了一套細(xì)粒度的錯(cuò)誤檢測(cè)和恢復(fù)方案。該方案將

2、錯(cuò)誤檢測(cè)的粒度分為四個(gè)級(jí)別：進(jìn)程內(nèi)部錯(cuò)誤、進(jìn)程級(jí)錯(cuò)誤、進(jìn)程間錯(cuò)誤和機(jī)器級(jí)錯(cuò)誤，通過將各個(gè)級(jí)別的錯(cuò)誤檢測(cè)和恢復(fù)技術(shù)有機(jī)結(jié)合起來，從而為系統(tǒng)的錯(cuò)誤檢測(cè)和恢復(fù)提供了全方位的、細(xì)致的解決方案。為了減少錯(cuò)誤恢復(fù)時(shí)間，本文引入了部分重啟技術(shù)來對(duì)進(jìn)程內(nèi)部錯(cuò)誤進(jìn)行更快的恢復(fù)。此外，為了滿足系統(tǒng)不斷變化著的性能和可用性需求，此方案還提供了動(dòng)態(tài)可配置特性。 為了評(píng)估該方案的適用性和有效性，作者將這套方案應(yīng)用于24小時(shí)FundBroker項(xiàng)目并進(jìn)行了

3、實(shí)現(xiàn)。24小時(shí)FundBroker項(xiàng)目的目標(biāo)是提高會(huì)計(jì)系統(tǒng)的消息處理組件的可用性，使之可以抵御各種錯(cuò)誤，從而能夠提供24小時(shí)不間斷服務(wù)。通過這套方案，F(xiàn)undBroker系統(tǒng)能夠?qū)M(jìn)程內(nèi)部錯(cuò)誤、進(jìn)程級(jí)別錯(cuò)誤、信道錯(cuò)誤和區(qū)域?yàn)?zāi)難進(jìn)行檢測(cè)和恢復(fù)，從而很大地提高了系統(tǒng)的可用性。此外，為了方便系統(tǒng)的管理和配置，在FundBroker系統(tǒng)中還增加了一個(gè)統(tǒng)一的對(duì)錯(cuò)誤檢測(cè)和恢復(fù)技術(shù)進(jìn)行動(dòng)態(tài)配置的圖形化界面。 最后，本文從系統(tǒng)開銷、恢復(fù)時(shí)間、以