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

1、當今科技社會，系統(tǒng)高可用性以其可提供24小時連續(xù)服務的優(yōu)勢正越來越受到企業(yè)的重視。錯誤檢測和錯誤恢復是高可用性系統(tǒng)的關鍵部分之一，因此這個領域的研究非?；钴S。近年來，研究人員設計了各種錯誤檢測和恢復技術來減少檢測延時和錯誤恢復所需要時間，以提高系統(tǒng)的可用性。但是，如何系統(tǒng)地整合各種技術，使之更全面迅速地進行錯誤檢測和恢復的研究相對較少。 本文在深入研究各種錯誤檢測和恢復技術的基礎上，提出了一套細粒度的錯誤檢測和恢復方案。該方案將

2、錯誤檢測的粒度分為四個級別：進程內部錯誤、進程級錯誤、進程間錯誤和機器級錯誤，通過將各個級別的錯誤檢測和恢復技術有機結合起來，從而為系統(tǒng)的錯誤檢測和恢復提供了全方位的、細致的解決方案。為了減少錯誤恢復時間，本文引入了部分重啟技術來對進程內部錯誤進行更快的恢復。此外，為了滿足系統(tǒng)不斷變化著的性能和可用性需求，此方案還提供了動態(tài)可配置特性。 為了評估該方案的適用性和有效性，作者將這套方案應用于24小時FundBroker項目并進行了

3、實現(xiàn)。24小時FundBroker項目的目標是提高會計系統(tǒng)的消息處理組件的可用性，使之可以抵御各種錯誤，從而能夠提供24小時不間斷服務。通過這套方案，F(xiàn)undBroker系統(tǒng)能夠對進程內部錯誤、進程級別錯誤、信道錯誤和區(qū)域災難進行檢測和恢復，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)中還增加了一個統(tǒng)一的對錯誤檢測和恢復技術進行動態(tài)配置的圖形化界面。 最后，本文從系統(tǒng)開銷、恢復時間、以