基于回卷恢復(fù)的MPI程序容錯(cuò).pdf

1、進(jìn)程檢查點(diǎn)機(jī)制是在進(jìn)程運(yùn)行時(shí)周期性地保存進(jìn)程的運(yùn)行狀態(tài)，當(dāng)程序運(yùn)行出現(xiàn)錯(cuò)誤時(shí)，可利用保存的進(jìn)程狀態(tài)對(duì)出錯(cuò)進(jìn)程進(jìn)行恢復(fù)，使計(jì)算任務(wù)從該檢查點(diǎn)處繼續(xù)恢復(fù)執(zhí)行，以減少計(jì)算損失，提高程序運(yùn)行的可靠性和可用性。然而在消息傳遞系統(tǒng)中，各并行進(jìn)程在無(wú)錯(cuò)執(zhí)行期間，相互發(fā)送消息使得各進(jìn)程產(chǎn)生內(nèi)部的依賴性，從而在消息傳遞系統(tǒng)中進(jìn)行回卷恢復(fù)時(shí)還要確保檢查點(diǎn)中進(jìn)程狀態(tài)的全局一致。 本文首先介紹了消息傳遞系統(tǒng)中軟件容錯(cuò)的概況及國(guó)內(nèi)外檢查點(diǎn)回卷恢復(fù)技術(shù)的現(xiàn)

2、狀。通過(guò)對(duì)PC平臺(tái)上主流Windows操作系統(tǒng)用戶進(jìn)程空間的研究，提出將進(jìn)程狀態(tài)的保存和恢復(fù)分為內(nèi)核對(duì)象和用戶地址空間兩部分來(lái)實(shí)現(xiàn)，對(duì)用戶地址空間通過(guò)先恢復(fù)布局再恢復(fù)內(nèi)容的兩步協(xié)議，實(shí)現(xiàn)了用戶地址空間的一致恢復(fù)；對(duì)內(nèi)核對(duì)象通過(guò)對(duì)內(nèi)核調(diào)用API函數(shù)進(jìn)行截獲和包裹，用虛擬對(duì)象映射表實(shí)現(xiàn)了內(nèi)核對(duì)象的一致恢復(fù)，從而確保了用戶進(jìn)程空間的一致恢復(fù)。 本文通過(guò)對(duì)MPI消息傳遞機(jī)制的研究，提出了MPI網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)中對(duì)通訊頻繁的進(jìn)程進(jìn)行切片的思想

3、，在已有的MPI庫(kù)函數(shù)的基礎(chǔ)上，通過(guò)組合和添加相應(yīng)代碼，實(shí)現(xiàn)了一般網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)切片的MPI庫(kù)函數(shù)，并進(jìn)行了切片性能分析，可利用切片技術(shù)進(jìn)行方便有效的并行程序設(shè)計(jì)。 本文對(duì)快速N+1奇偶校驗(yàn)檢查點(diǎn)算法進(jìn)行了改進(jìn)，在進(jìn)行奇偶校驗(yàn)運(yùn)算的檢查點(diǎn)機(jī)上通過(guò)利用增量有盤(pán)檢查點(diǎn)的方法比原算法少用了一臺(tái)備份機(jī)，利用兩階段提交協(xié)議確保能夠容忍檢查點(diǎn)機(jī)和一臺(tái)應(yīng)用處理機(jī)的并發(fā)錯(cuò)誤，結(jié)合使用緩沖區(qū)技術(shù)減少算法時(shí)間開(kāi)銷。在MPI并行環(huán)境中進(jìn)行的實(shí)驗(yàn)表明改進(jìn)