面向集群結(jié)構(gòu)的計(jì)算機(jī)故障管理系統(tǒng)的研究與實(shí)現(xiàn).pdf

1、科學(xué)技術(shù)的不斷進(jìn)步使人們對(duì)高性能計(jì)算需求范圍的不斷擴(kuò)大，集群計(jì)算機(jī)系統(tǒng)以其較高的性能價(jià)格比和良好的可擴(kuò)展性已快速成為高性能計(jì)算機(jī)領(lǐng)域的主流。但隨著集群系統(tǒng)不斷追求更高計(jì)算峰值的同時(shí)，系統(tǒng)的規(guī)模也在不斷的擴(kuò)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(wú)法對(duì)整個(gè)系統(tǒng)進(jìn)行有效的管理和維護(hù)工作，在此背景下研究針對(duì)面集群計(jì)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(hù)提供穩(wěn)定計(jì)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(diǎn)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(shí)現(xiàn)的需要，達(dá)到了較好的可擴(kuò)展性。⑵為滿足系統(tǒng)模塊間交互的需要，設(shè)計(jì)了一套可擴(kuò)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(cè)到的故障信息進(jìn)行細(xì)粒度的語(yǔ)義描述，支持高效率的自動(dòng)解析。⑶研究實(shí)現(xiàn)了系統(tǒng)的故障快速發(fā)現(xiàn)技術(shù)，通過(guò)對(duì)操作系統(tǒng)報(bào)錯(cuò)分支的插樁實(shí)現(xiàn)低開(kāi)銷(xiāo)的故障實(shí)