基于集群的并行虛擬機容錯技術研究與實現(xiàn).pdf

1、與傳統(tǒng)的單機系統(tǒng)相比,集群系統(tǒng)具有更高的可擴展性、更高的性能價格比和更高的可靠性,因而愈來愈被廣泛地應用到國民經濟的各個領域.隨著集群系統(tǒng)規(guī)模的不斷擴大,集群系統(tǒng)內部發(fā)生故障的概率也會呈指數增長.對于集群系統(tǒng)內部發(fā)生的節(jié)點機故障,一般采用優(yōu)美降級的方法.但是對于運行時間較長的并行數值計算,如在計算過程中,它所在的節(jié)點機發(fā)生故障,就會導致整個并行計算的徹底失敗,故障之前的大量計算不可再用,程序不得不從頭開始執(zhí)行.為了避免因為單個故障導致整

2、個并行計算失敗而引起的計算上的大量浪費,就必須采用相應技術來進一步提高集群系統(tǒng)的可靠性.而檢查點技術(Checkpointing)正是目前被國內外廣泛研究的一種用來提高集群系統(tǒng)高可靠性的關鍵技術.檢查點技術的基本思想是在系統(tǒng)政黨運行的時刻設置檢查點,保存系統(tǒng)當前相關進程的進程級信息到可靠的存儲器上,當系統(tǒng)發(fā)生故障時,將系統(tǒng)卷回(Rollback)到上一個檢查點處重新執(zhí)行,而不是從程序開始執(zhí)行.在美國國家橡樹嶺實驗室開發(fā)的并行虛擬機(PV