面向集群結(jié)構(gòu)的計算機故障管理系統(tǒng)的研究與實現(xiàn).pdf

1、科學(xué)技術(shù)的不斷進步使人們對高性能計算需求范圍的不斷擴大，集群計算機系統(tǒng)以其較高的性能價格比和良好的可擴展性已快速成為高性能計算機領(lǐng)域的主流。但隨著集群系統(tǒng)不斷追求更高計算峰值的同時，系統(tǒng)的規(guī)模也在不斷的擴大，系統(tǒng)異常和故障可能發(fā)生的概率也隨之上升，依靠現(xiàn)有管理方式和技術(shù)手段已無法對整個系統(tǒng)進行有效的管理和維護工作，在此背景下研究針對面集群計算系統(tǒng)的故障管理技術(shù)，提高集群系統(tǒng)的可用性與可靠性，為用戶提供穩(wěn)定計算環(huán)境就顯得尤為重要。

2、　　本研究主要內(nèi)容包括：⑴根據(jù)集群系統(tǒng)的結(jié)構(gòu)特點提出了一種具有自相似特性的層次化故障管理系統(tǒng)架構(gòu)，能適應(yīng)不同規(guī)模集群系統(tǒng)故障管理功能實現(xiàn)的需要，達到了較好的可擴展性。⑵為滿足系統(tǒng)模塊間交互的需要，設(shè)計了一套可擴展的信息表示文法，規(guī)范化的命名了系統(tǒng)內(nèi)的硬件資源，標(biāo)示了系統(tǒng)故障事件間的關(guān)聯(lián)關(guān)系，能夠?qū)z測到的故障信息進行細(xì)粒度的語義描述，支持高效率的自動解析。⑶研究實現(xiàn)了系統(tǒng)的故障快速發(fā)現(xiàn)技術(shù)，通過對操作系統(tǒng)報錯分支的插樁實現(xiàn)低開銷的故障實