高可用集群系統(tǒng)中回卷恢復容錯技術研究.pdf

1、計算技術的迅猛發(fā)展，使得集群得到了廣泛應用，構建在集群上的應用系統(tǒng)，其可用性一直是備受關注的問題。高可用集群的出現(xiàn)就是為了使集群能夠提供高度可靠的整體服務，以應對計算硬件和軟件的易錯性。作為一種低成本的容錯策略，回卷恢復技術已成為大眾化應用系統(tǒng)首選的容錯解決方案。然而，將回卷恢復技術應用到高可用集群中產(chǎn)生了許多新的問題需要進一步研究，比如：實時任務檢查點設置，快速故障轉移，以及可靠集群通信協(xié)議等。本文以解決集群系統(tǒng)中回卷恢復技術所面臨的

2、關鍵問題為目標，對以下內容進行了創(chuàng)新性研究： 系統(tǒng)地介紹了回卷恢復技術的基本原理、模型、主要協(xié)議算法，以及近年來的研究成果，分析了各種回卷恢復協(xié)議的特點和應用范圍。 研究了優(yōu)化檢查點設置間隔問題，對檢查點設置策略中系統(tǒng)故障時間分布進行了細致地分析，并針對集群系統(tǒng)中存在的大量實時任務，提出了一種基于非精確計算的檢查點設置算法，該算法可以為多任務實時系統(tǒng)提供容錯和確定性的實時保證。實驗結果表明該算法提高了系統(tǒng)的容錯能力，使得

3、實時任務能夠在按時完成的前提下容忍更多的故障。 故障轉移是回卷恢復的關鍵技術點，它能在系統(tǒng)資源部分損失的情況下，對剩余可用資源重新配置并恢復需要繼續(xù)執(zhí)行的計算任務。針對目前大多數(shù)的故障轉移策略不能保證服務可用性或僅適用于確定性系統(tǒng)的問題，本文提出了一種面向服務的快速透明故障轉移模型(SOFailover)及其算法，并從理論上分析了算法的一致性約束。實驗結果表明，SOFailover具有較短的故障轉移延時和較低的系統(tǒng)開銷，能夠在保

4、證服務可用性前提下高效透明地對非確定系統(tǒng)進行故障轉移。 研究了集群系統(tǒng)中數(shù)據(jù)傳輸協(xié)議?；鼐砘謴图夹g提高了集群系統(tǒng)對通信的要求，而目前主流數(shù)據(jù)傳輸協(xié)議無法滿足這些需求。本文提出了一種基于UDP的高效可靠數(shù)據(jù)傳輸協(xié)議(REUDP)及其性能分析模型，在保證可靠性的前提下，使系統(tǒng)通信能力得到極大的提高。實驗結果表明，REUDP可以在高性能集群系統(tǒng)網(wǎng)絡中非常有效地運行，分析模型能夠結合網(wǎng)絡實際情況對其性能做出較為準確的預測。隨著集群系統(tǒng)規(guī)

5、模的不斷擴大，系統(tǒng)平均故障時間也在逐步縮短，容錯和可靠性成為計算任務穩(wěn)定運行的基本保障。傳統(tǒng)的容錯策略具有很多局限性，無法適應大規(guī)模異構集群系統(tǒng)容錯的需求，本文提出一種面向大規(guī)模集群系統(tǒng)的回卷恢復容錯策略，該策略不需要任何保存檢查點和日志的可靠存儲設備，在恢復期間也不依賴額外備用的計算節(jié)點去接替失效節(jié)點，計算任務會繼續(xù)運行在剩余的計算節(jié)點上。而且，該策略能夠在故障后自動進行負載均衡，有效地降低了計算節(jié)點損失對系統(tǒng)的影響。 軟件復