基于回卷恢復的MPI程序容錯.pdf

1、進程檢查點機制是在進程運行時周期性地保存進程的運行狀態(tài)，當程序運行出現錯誤時，可利用保存的進程狀態(tài)對出錯進程進行恢復，使計算任務從該檢查點處繼續(xù)恢復執(zhí)行，以減少計算損失，提高程序運行的可靠性和可用性。然而在消息傳遞系統中，各并行進程在無錯執(zhí)行期間，相互發(fā)送消息使得各進程產生內部的依賴性，從而在消息傳遞系統中進行回卷恢復時還要確保檢查點中進程狀態(tài)的全局一致。 本文首先介紹了消息傳遞系統中軟件容錯的概況及國內外檢查點回卷恢復技術的現

2、狀。通過對PC平臺上主流Windows操作系統用戶進程空間的研究，提出將進程狀態(tài)的保存和恢復分為內核對象和用戶地址空間兩部分來實現，對用戶地址空間通過先恢復布局再恢復內容的兩步協議，實現了用戶地址空間的一致恢復；對內核對象通過對內核調用API函數進行截獲和包裹，用虛擬對象映射表實現了內核對象的一致恢復，從而確保了用戶進程空間的一致恢復。 本文通過對MPI消息傳遞機制的研究，提出了MPI網絡拓撲結構中對通訊頻繁的進程進行切片的思想

3、，在已有的MPI庫函數的基礎上，通過組合和添加相應代碼，實現了一般網絡拓撲結構切片的MPI庫函數，并進行了切片性能分析，可利用切片技術進行方便有效的并行程序設計。 本文對快速N+1奇偶校驗檢查點算法進行了改進，在進行奇偶校驗運算的檢查點機上通過利用增量有盤檢查點的方法比原算法少用了一臺備份機，利用兩階段提交協議確保能夠容忍檢查點機和一臺應用處理機的并發(fā)錯誤，結合使用緩沖區(qū)技術減少算法時間開銷。在MPI并行環(huán)境中進行的實驗表明改進