單機檢查點系統(tǒng)平臺相關性研究及性能優(yōu)化.pdf

1、機群系統(tǒng)的規(guī)模增大，部件增多，導致了機群的組合錯誤率也不斷上升。節(jié)點失效使運行于機群節(jié)點上的作業(yè)面臨中途失敗，從而造成巨大的資源浪費，甚至導致大的作業(yè)無法完成。檢查點系統(tǒng)為節(jié)點提供了較好的容錯性能，因此成為機群操作系統(tǒng)軟件的重要組成部分。通過建立單機檢查點系統(tǒng)可以提高操作系統(tǒng)的可靠性，減少運算損失，同時也為構造其他容錯軟件，甚至是建立整個機群環(huán)境的并行檢查點系統(tǒng)提供基礎。 本文主要針對單機檢查點系統(tǒng)的實現(xiàn)技術進行研究，并以曙光4

2、000系列機群為平臺，重點討論了系統(tǒng)級檢查點的平臺相關性和性能優(yōu)化策略。曙光4000A中使用的Optemn是基于AMD公司的x86-64架構的處理器。目前還沒有開源的檢查點系統(tǒng)對該體系結構提供過支持或者相關技術探討。 本文首先分析比較了現(xiàn)有檢查點系統(tǒng)，對檢查點實現(xiàn)技術進行深入研究，重點討論了系統(tǒng)級檢查點BLCR的實現(xiàn)機制。 然后通過對x86-~體系結構的分析，實現(xiàn)了BLCR對AMD Opteron的支持，并對系統(tǒng)級檢查點