分布式系統(tǒng)后向恢復(fù)容錯(cuò)技術(shù)研究.pdf

1、近年來，對(duì)高可靠性和高可用性的分布式計(jì)算系統(tǒng)的應(yīng)用需求一直在穩(wěn)定地增長(zhǎng)，比如全球個(gè)人以及軍用通信系統(tǒng)、航空控制系統(tǒng)、網(wǎng)絡(luò)管理平臺(tái)、金融系統(tǒng)等。隨著分布式計(jì)算系統(tǒng)中應(yīng)用范圍的擴(kuò)展以及節(jié)點(diǎn)數(shù)量的增加，網(wǎng)絡(luò)異構(gòu)問題也日益突出，基于分布式系統(tǒng)設(shè)計(jì)的軟件系統(tǒng)也越來越龐大、復(fù)雜，系統(tǒng)中出現(xiàn)故障的概率越來越高，如果不采取容錯(cuò)措施，一旦分布式應(yīng)用被故障中斷，就要重新啟動(dòng)系統(tǒng)、重新執(zhí)行應(yīng)用，那么所要執(zhí)行的任務(wù)可能需要很長(zhǎng)時(shí)間才能完成，甚至根本完成不了。因

2、此，研究分布式系統(tǒng)應(yīng)用中的容錯(cuò)技術(shù)具有重大的理論指導(dǎo)意義和實(shí)際應(yīng)用價(jià)值。后向恢復(fù)技術(shù)是當(dāng)今容錯(cuò)技術(shù)研究領(lǐng)域的熱點(diǎn)，包括以下幾個(gè)研究方向：檢查點(diǎn)算法（包括提高檢查點(diǎn)設(shè)置的效率、降低檢查點(diǎn)的開銷、有效地控制回卷的距離等）；容錯(cuò)回卷回復(fù)的系統(tǒng)模型；算法的性能評(píng)估和優(yōu)化策略；分布式計(jì)算系統(tǒng)的故障特征和檢測(cè)；捕獲和恢復(fù)進(jìn)程狀態(tài)等。
　　 本課題的提出來源于山東省自然科學(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)技術(shù)的研究與實(shí)現(xiàn)”。本文介紹

3、了分布式系統(tǒng)容錯(cuò)技術(shù)的研究現(xiàn)狀、分布式系統(tǒng)中的常見故障以及容錯(cuò)技術(shù)涉及的相關(guān)概念、定義；指出了分布式容錯(cuò)系統(tǒng)存在的必須解決的各種問題，如：孤兒消息、傳輸中消息、檢查點(diǎn)開銷，多米諾效應(yīng)等問題；介紹了如何消除非全局一致的檢查點(diǎn)狀態(tài)的條件和定理；分析了分布式系統(tǒng)容錯(cuò)技術(shù)中各種檢查點(diǎn)技術(shù)和各種消息日志技術(shù)的原理、性能和優(yōu)缺點(diǎn)；分析了影響檢查點(diǎn)算法性能的瓶頸因素，研究了分布式系統(tǒng)容錯(cuò)檢查點(diǎn)算法設(shè)置的原則，比如減少檢查點(diǎn)設(shè)置和回卷回復(fù)時(shí)進(jìn)程的阻塞，

4、提高檢查點(diǎn)設(shè)置效率，減少控制消息的數(shù)量等。本文所做的主要工作有以下幾個(gè)方面：
　　 1)分析研究了有限狀態(tài)機(jī)擴(kuò)展模型及其算法，并對(duì)該模型進(jìn)行了改進(jìn)，使得該模型的功能更強(qiáng)大，適應(yīng)范圍更廣范。
　　 2)提出了一種高效的異步存儲(chǔ)非阻塞的協(xié)調(diào)檢查點(diǎn)算法ASNB，從三個(gè)方面考慮降低檢查點(diǎn)設(shè)置時(shí)的開銷：允許多個(gè)進(jìn)程并發(fā)的在進(jìn)程狀態(tài)信息量較小的時(shí)候設(shè)置檢查點(diǎn)；在穩(wěn)固存儲(chǔ)器空閑的時(shí)候異步存儲(chǔ)檢查點(diǎn)；設(shè)置檢查點(diǎn)的過程中不需要阻塞進(jìn)程的基