基于PVM的機(jī)群容錯(cuò)方法研究與實(shí)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(jī)群系統(tǒng)為代表的計(jì)算環(huán)境成為當(dāng)前并行計(jì)算系統(tǒng)的研究熱點(diǎn)。但隨著機(jī)群系統(tǒng)中節(jié)點(diǎn)數(shù)目的增加，任意節(jié)點(diǎn)失敗而導(dǎo)致整個(gè)系統(tǒng)發(fā)生故障的機(jī)率大大提高；并且隨著任務(wù)規(guī)模的擴(kuò)大，計(jì)算時(shí)間不斷增加，節(jié)點(diǎn)發(fā)生失敗的機(jī)率也會(huì)隨之增加。在缺乏必要的保護(hù)措施下，某個(gè)計(jì)算節(jié)點(diǎn)發(fā)生故障將導(dǎo)致整個(gè)系統(tǒng)失敗，從而使此前大量的計(jì)算工作付諸東流。所以，并行系統(tǒng)要求具有良好的容錯(cuò)功能來保證和提高其可靠性。 檢查點(diǎn)能夠保存和恢復(fù)

2、程序的運(yùn)行狀態(tài)，是并行系統(tǒng)中實(shí)現(xiàn)容錯(cuò)的重要手段。檢查點(diǎn)設(shè)置方法可以分為同步檢查點(diǎn)和異步檢查點(diǎn)。同步檢查點(diǎn)方法具有算法簡(jiǎn)單，空間開銷較小，直接恢復(fù)等優(yōu)點(diǎn)，已廣泛應(yīng)用在工作站機(jī)群系統(tǒng)中。但它必須在生成全局檢查點(diǎn)前后進(jìn)行系統(tǒng)同步，同步操作將暫時(shí)中止進(jìn)程的運(yùn)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(jì)環(huán)境，它所提供的消息傳遞機(jī)制支持高效的異構(gòu)網(wǎng)絡(luò)計(jì)算。雖然PVM具有一定的容錯(cuò)功能，能檢測(cè)系統(tǒng)故障，但卻沒有提供容錯(cuò)策略，對(duì)系統(tǒng)故

3、障進(jìn)行恢復(fù)。傳統(tǒng)的基于消息驅(qū)趕機(jī)制的同步檢查點(diǎn)設(shè)置方法，雖然簡(jiǎn)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(diǎn)數(shù)目之間呈O(N2)關(guān)系，隨著節(jié)點(diǎn)數(shù)目的增多，這些控制消息的數(shù)目將會(huì)急劇增加，其帶來的時(shí)間開銷是不容忽視的。 為了降低同步檢查點(diǎn)設(shè)置的時(shí)間開銷，本文提出了一種基于PVM的準(zhǔn)同步檢查點(diǎn)設(shè)置方法。通過檢查點(diǎn)控制進(jìn)程向所有進(jìn)程發(fā)送檢查點(diǎn)設(shè)置信號(hào)，各節(jié)點(diǎn)接收到信號(hào)后，停止應(yīng)用程序的運(yùn)行，開始進(jìn)行檢查點(diǎn)操作，檢查點(diǎn)操作完成后各

4、進(jìn)程獨(dú)立地啟動(dòng)應(yīng)用程序；同時(shí)引入檢查點(diǎn)計(jì)數(shù)器，識(shí)別在檢查點(diǎn)時(shí)刻處于通信信道中的消息，對(duì)它們采取延后記錄的方法，構(gòu)造出一個(gè)一致性全局狀態(tài)。同步檢查點(diǎn)要求各進(jìn)程在檢查點(diǎn)發(fā)起時(shí)刻與結(jié)束時(shí)刻都要進(jìn)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(diǎn)方法只是在檢查點(diǎn)發(fā)起時(shí)刻發(fā)送同步信號(hào)請(qǐng)求檢查點(diǎn)操作，然后各節(jié)點(diǎn)獨(dú)立地進(jìn)行狀態(tài)保存，對(duì)于通信信道內(nèi)的消息采用異步記錄的方式來實(shí)現(xiàn)一致性全局狀態(tài)。準(zhǔn)同步檢查點(diǎn)方法吸取了同步檢查