面向恢復(fù)的容錯(cuò)計(jì)算技術(shù)研究.pdf

1、高可靠容錯(cuò)計(jì)算機(jī)的成本、可實(shí)現(xiàn)性和可擴(kuò)展性問題一直是困擾其開發(fā)和廣泛使用的主要問題，而利用商用計(jì)算機(jī)成熟硬軟件技術(shù)和資源(COTS技術(shù))實(shí)現(xiàn)容錯(cuò)計(jì)算系統(tǒng)，擁有傳統(tǒng)專用容錯(cuò)設(shè)計(jì)沒有的許多優(yōu)點(diǎn)，成為了容錯(cuò)技術(shù)研究熱點(diǎn)。但在當(dāng)前以COTS技術(shù)為基礎(chǔ)的軟件和軟硬件協(xié)同實(shí)現(xiàn)的容錯(cuò)計(jì)算系統(tǒng)中，如何實(shí)現(xiàn)容錯(cuò)功能的透明性和提高故障檢測(cè)、診斷、恢復(fù)的效率，減少對(duì)系統(tǒng)正常工作的影響一直是研究的重點(diǎn)和難點(diǎn)問題；另外，目前使用廣泛的基于卷回的故障恢復(fù)機(jī)制存在一

2、些先天不足，必須加以克服。 基于此，本文在對(duì)目前國(guó)內(nèi)外一些容錯(cuò)計(jì)算系統(tǒng)的實(shí)現(xiàn)原理和集群技術(shù)進(jìn)行深入研究后，提出了利用COTS技術(shù)、容錯(cuò)和集群思想，實(shí)現(xiàn)容錯(cuò)集群服務(wù)器的結(jié)構(gòu)模型，以滿足一些領(lǐng)域?qū)Ψ?wù)器高可靠、高可用及高性能的要求。研究并實(shí)現(xiàn)了一種基于PC/Linux平臺(tái)下結(jié)合容錯(cuò)技術(shù)和集群技術(shù)優(yōu)點(diǎn)的OPIAC容錯(cuò)集群服務(wù)器系統(tǒng)，對(duì)其故障發(fā)生情形進(jìn)行了分析研究，重點(diǎn)研究了它的故障恢復(fù)模型和策略、檢查點(diǎn)實(shí)現(xiàn)技術(shù)，并對(duì)系統(tǒng)性能進(jìn)行了評(píng)估

3、。 首先，對(duì)幾種具有典型代表性的容錯(cuò)計(jì)算系統(tǒng)體系結(jié)構(gòu)進(jìn)行了分析，對(duì)當(dāng)前容錯(cuò)系統(tǒng)設(shè)計(jì)中使用的故障恢復(fù)機(jī)制、方法，檢查點(diǎn)技術(shù)實(shí)現(xiàn)原理進(jìn)行了研究，分析了影響檢查點(diǎn)系統(tǒng)開銷的關(guān)鍵因素、檢查點(diǎn)技術(shù)的演化趨勢(shì)及基于檢查點(diǎn)技術(shù)實(shí)現(xiàn)COTS智能容錯(cuò)計(jì)算和故障恢復(fù)存在的困難及目前需要解決的一些主要技術(shù)問題。 其次，研究了在有備份模塊和無(wú)備份模塊的TMR容錯(cuò)結(jié)構(gòu)中故障發(fā)生及故障恢復(fù)的各種情形，定量分析、比較了兩種容錯(cuò)體系結(jié)構(gòu)下使用的故障恢復(fù)

4、算法的效率；根據(jù)實(shí)時(shí)應(yīng)用系統(tǒng)對(duì)實(shí)時(shí)任務(wù)(進(jìn)程)運(yùn)行時(shí)間的限制，研究了檢查點(diǎn)設(shè)置間隔(兩次進(jìn)程狀態(tài)保存之間的時(shí)間)對(duì)進(jìn)程正常運(yùn)行的影響，給出了一種滿足實(shí)時(shí)應(yīng)用需求的動(dòng)態(tài)保存進(jìn)程狀態(tài)的檢查點(diǎn)設(shè)置策略。為進(jìn)一步提高故障恢復(fù)效率，提出了智能容錯(cuò)系統(tǒng)的透明、并行故障恢復(fù)算法—階梯型算法。 第三，提出了一種基于COTS技術(shù)、結(jié)合容錯(cuò)技術(shù)和集群技術(shù)構(gòu)造高可靠和高性能容錯(cuò)服務(wù)器的思想，并據(jù)此基于PC/Linux系統(tǒng)平臺(tái)，設(shè)計(jì)實(shí)現(xiàn)了一個(gè)集成了容錯(cuò)

5、機(jī)高可靠性、高可用性和集群系統(tǒng)高性能的OPIAC容錯(cuò)集群服務(wù)器。通過對(duì)Linux內(nèi)核的改造和擴(kuò)充，采用具有自主處理能力的容錯(cuò)管理模塊完成系統(tǒng)容錯(cuò)功能，實(shí)現(xiàn)了容錯(cuò)功能對(duì)應(yīng)用的透明，一方面對(duì)在OPIAC容錯(cuò)集群服務(wù)器上運(yùn)行的應(yīng)用程序的編寫和運(yùn)行沒有任何限制和附加要求；另一方面對(duì)與服務(wù)器通信的客戶端應(yīng)用來說，感覺不到服務(wù)器內(nèi)部的故障檢測(cè)、診斷和恢復(fù)及服務(wù)進(jìn)程在內(nèi)部節(jié)點(diǎn)間的遷移過程，并且不影響新的網(wǎng)絡(luò)連接的建立。詳細(xì)描述了實(shí)際實(shí)現(xiàn)中進(jìn)行故障恢復(fù)