容錯(cuò)不死系統(tǒng)的研究與實(shí)現(xiàn).pdf

1、隨著集群技術(shù)的發(fā)展，集群越來越廣泛的被運(yùn)用于科學(xué)計(jì)算領(lǐng)域。從理論上分析，集群模型既能提供高可用性和高性能，也能提供可管理性、可擴(kuò)展性。但目前，這僅僅是模型上的理論階段，為實(shí)現(xiàn)這個(gè)偉大夢(mèng)想，集群軟件還有很長(zhǎng)的路要走。當(dāng)集群開始被科學(xué)高性能計(jì)算領(lǐng)域應(yīng)用時(shí)，可靠性就已經(jīng)作為一個(gè)問題被提出了。隨著系統(tǒng)硬件和軟件復(fù)雜性的日益增加，越來越多的科學(xué)計(jì)算應(yīng)用程序在提高性能的同時(shí)，也伴隨著容錯(cuò)性與健壯性的保障。 本文構(gòu)建了高性能計(jì)算容錯(cuò)不死系統(tǒng)，

2、面向科學(xué)計(jì)算應(yīng)用程序，以向用戶提供保障服務(wù)和優(yōu)質(zhì)服務(wù)為己任。其中保障服務(wù)指的是用戶只需向系統(tǒng)提交任務(wù)一次，系統(tǒng)就能在節(jié)點(diǎn)失效等多種惡劣條件下，頑強(qiáng)完成任務(wù)，最后返回計(jì)算結(jié)果給用戶；優(yōu)質(zhì)服務(wù)指的是在系統(tǒng)中添加了可以預(yù)測(cè)系統(tǒng)性能和任務(wù)性能的智能模塊，通過調(diào)整網(wǎng)格環(huán)境內(nèi)各節(jié)點(diǎn)的負(fù)載情況，進(jìn)行有效的子任務(wù)遷移，最終縮短總?cè)蝿?wù)的運(yùn)行時(shí)間。 本文針對(duì)并行計(jì)算問題，總結(jié)出由用戶、管理節(jié)點(diǎn)和工作節(jié)點(diǎn)組成的任務(wù)模型，提出目錄式、文件式和參數(shù)化的任

3、務(wù)統(tǒng)一描述思路，便于任務(wù)的劃分和有效管理。保障服務(wù)的實(shí)現(xiàn)主要依賴兩項(xiàng)技術(shù)，單節(jié)點(diǎn)內(nèi)任務(wù)復(fù)活技術(shù)和多節(jié)點(diǎn)間任務(wù)復(fù)活技術(shù)。任務(wù)復(fù)活指的是任務(wù)在意外終止的情況下能重啟并恢復(fù)到原先狀態(tài)繼續(xù)運(yùn)行。優(yōu)質(zhì)服務(wù)的實(shí)現(xiàn)也主要依賴兩項(xiàng)技術(shù)，性能預(yù)測(cè)技術(shù)和任務(wù)遷移技術(shù)。其中性能預(yù)測(cè)指的是系統(tǒng)能根據(jù)網(wǎng)格內(nèi)各節(jié)點(diǎn)的負(fù)載情況，判斷并選擇運(yùn)行該任務(wù)最適宜的節(jié)點(diǎn)，任務(wù)遷移技術(shù)指的是任務(wù)從一個(gè)節(jié)點(diǎn)遷移到另外的節(jié)點(diǎn)繼續(xù)運(yùn)行。 在實(shí)現(xiàn)保障服務(wù)和優(yōu)質(zhì)服務(wù)的各種技術(shù)中，