基于PVM的機群容錯方法研究與實現(xiàn).pdf

1、隨著微處理器和網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，以工作站機群系統(tǒng)為代表的計算環(huán)境成為當(dāng)前并行計算系統(tǒng)的研究熱點。但隨著機群系統(tǒng)中節(jié)點數(shù)目的增加，任意節(jié)點失敗而導(dǎo)致整個系統(tǒng)發(fā)生故障的機率大大提高；并且隨著任務(wù)規(guī)模的擴大，計算時間不斷增加，節(jié)點發(fā)生失敗的機率也會隨之增加。在缺乏必要的保護措施下，某個計算節(jié)點發(fā)生故障將導(dǎo)致整個系統(tǒng)失敗，從而使此前大量的計算工作付諸東流。所以，并行系統(tǒng)要求具有良好的容錯功能來保證和提高其可靠性。 檢查點能夠保存和恢復(fù)

2、程序的運行狀態(tài)，是并行系統(tǒng)中實現(xiàn)容錯的重要手段。檢查點設(shè)置方法可以分為同步檢查點和異步檢查點。同步檢查點方法具有算法簡單，空間開銷較小，直接恢復(fù)等優(yōu)點，已廣泛應(yīng)用在工作站機群系統(tǒng)中。但它必須在生成全局檢查點前后進行系統(tǒng)同步，同步操作將暫時中止進程的運行并導(dǎo)致大量的同步通訊開銷。PVM是目前比較流行的并行程序設(shè)計環(huán)境，它所提供的消息傳遞機制支持高效的異構(gòu)網(wǎng)絡(luò)計算。雖然PVM具有一定的容錯功能，能檢測系統(tǒng)故障，但卻沒有提供容錯策略，對系統(tǒng)故

3、障進行恢復(fù)。傳統(tǒng)的基于消息驅(qū)趕機制的同步檢查點設(shè)置方法，雖然簡單有效，但由于協(xié)調(diào)過程中引入的輔助控制消息數(shù)目和節(jié)點數(shù)目之間呈O(N2)關(guān)系，隨著節(jié)點數(shù)目的增多，這些控制消息的數(shù)目將會急劇增加，其帶來的時間開銷是不容忽視的。 為了降低同步檢查點設(shè)置的時間開銷，本文提出了一種基于PVM的準(zhǔn)同步檢查點設(shè)置方法。通過檢查點控制進程向所有進程發(fā)送檢查點設(shè)置信號，各節(jié)點接收到信號后，停止應(yīng)用程序的運行，開始進行檢查點操作，檢查點操作完成后各

4、進程獨立地啟動應(yīng)用程序；同時引入檢查點計數(shù)器，識別在檢查點時刻處于通信信道中的消息，對它們采取延后記錄的方法，構(gòu)造出一個一致性全局狀態(tài)。同步檢查點要求各進程在檢查點發(fā)起時刻與結(jié)束時刻都要進行同步，并且通過清空通信信道中的消息來構(gòu)造一致性全局狀態(tài)。與此不同的準(zhǔn)同步檢查點方法只是在檢查點發(fā)起時刻發(fā)送同步信號請求檢查點操作，然后各節(jié)點獨立地進行狀態(tài)保存，對于通信信道內(nèi)的消息采用異步記錄的方式來實現(xiàn)一致性全局狀態(tài)。準(zhǔn)同步檢查點方法吸取了同步檢查