基于統(tǒng)計(jì)學(xué)習(xí)方法的容錯計(jì)算.pdf

1、現(xiàn)代計(jì)算機(jī)系統(tǒng)不斷增長的復(fù)雜性使得故障檢測與診斷工作極其困難，因此如何實(shí)現(xiàn)快速的故障恢復(fù)從而提高系統(tǒng)的可用性變得更加重要了。由于即使在實(shí)際故障源未知的情況下，很大一部分故障仍能通過執(zhí)行一些特殊的恢復(fù)操作，例如，重起操作，來進(jìn)行修復(fù)。然而，通常設(shè)計(jì)合理的恢復(fù)策略來有效的調(diào)度潛在的恢復(fù)操作通常是極其困難而且容易出錯的。因此，我們希望能找到一種自動的方式來生成高效的恢復(fù)策略。 本研究提出了一種基于增強(qiáng)學(xué)習(xí)算法的新技術(shù)來自動產(chǎn)生恢復(fù)策略

2、。我們首先將自動故障恢復(fù)問題形式化，在理論上分析出了增強(qiáng)學(xué)習(xí)方式的有效性。然后，基于一個由原始人工策略生成的故障恢復(fù)日志，對此方法的兩種不同實(shí)現(xiàn)方式進(jìn)行了實(shí)驗(yàn)驗(yàn)證： ㈠直接的在線學(xué)習(xí)方式，即直接將該學(xué)習(xí)過程應(yīng)用于運(yùn)行的系統(tǒng)中。通過實(shí)驗(yàn)分析我們可以發(fā)現(xiàn)，我們的學(xué)習(xí)方法能獲得更優(yōu)的性能，較好的擴(kuò)展性，以及趨向于全局最優(yōu)策略的收斂性。此外，通過引入故障發(fā)生的多種特征，我們?nèi)匀或?yàn)證了我們方法的有效性。 ㈡離線學(xué)習(xí)方式，即將該學(xué)習(xí)

3、過程應(yīng)用于故障恢復(fù)日志來生成恢復(fù)策略。由于受到原始人工定義的恢復(fù)策略的影響，該實(shí)現(xiàn)方式學(xué)習(xí)得到的是一個局部最優(yōu)的恢復(fù)策略，然而它具有比原始手工策略更好的性能。在我們的實(shí)驗(yàn)中，基于真實(shí)的機(jī)群系統(tǒng)環(huán)境產(chǎn)生的恢復(fù)數(shù)據(jù)，我們發(fā)現(xiàn)自動生成的恢復(fù)策略最終能節(jié)省10％的恢復(fù)時間。此外，為了避免學(xué)習(xí)所得策略可能遇到的無法處理的情形，我們還提出了一個混合策略，它能兼兩者之長，不僅能維持學(xué)習(xí)得到的策略的高性能，還能像人工定義策略那樣處理所有可能的故障情形。