分布系统中多米诺效应的分析与消除

分布系统中发生故障后,错误信息在进程间的传播,以及由此引起的系统恢复过程中的多米诺效应是分布系统容错恢复技术所面临的最重要与最困难的问题.目前各种研究工作偏重于具体的系统动态恢复技术.本文的研究重点在于首次揭示多米诺效应本身固有的数量特征及其与分布系统技术参数间的联系,给出多米诺效应动态消除技术,引入系统额外开销的下限,并针对动态技术的缺点,探讨多米诺效应的静态消除技术,为解决困难开辟新途径.     

Fault tolerance in multiprocessor systems

Multiprocessor systems which afford a high degree of parallelism are used in a variety of applications. The extremely stringent reliability requirement has made the provision of fault-tolerance an important aspect in the design of such systems. This paper presents a review of the various approaches towards tolerating hardware faults in multiprocessor systems. It emphasizes the basic concepts of fault tolerant design and the various problems to be taken care of by the designer. An indepth survey of the various models, techniques and methods for fault diagnosis is given. Further, we consider the strategies for fault-tolerance in specialized multiprocessor architectures which have the ability of dynamic reconfiguration and are suited tovlsi implementation. An analysis of the state-of-the-art is given which points out the major aspects of fault-tolerance in such architectures.     

可重构计算在提高数据采集系统容错中的应用

可重构计算技术在数据采集系统中的应用越来越广泛,这不仅得益于可重构计算技术能够更快的对数据进行处理、降低系统能耗,还得益于其可以提高系统的可靠性。该文介绍了如何利用可重构计算技术,提高数据采集系统的容错能力,使数据采集系统在出现硬件故障时能保持正常工作的能力。     

密集传感器网络中节点随机调度算法研究

对于密集型传感器网络,节点交替工作能有效地延长网络的生命周期。该文基于Cover的随机节点调度算法进行深入分析,首先给出k-覆盖网络中覆盖强度的定义,并利用基本概率理论估计k-覆盖网络的覆盖强度;然后分析2-覆盖网络中节点密度、覆盖强度以及能量节省水平之间的关系(即部署节点个数n和2-覆盖网络的覆盖强度Cn2以及划分COVER个数c)。该文研究工作对部署容错性较高的能量有效性传感器网络具有一定的指导意义。     

基于正负序矢量解耦控制的七相感应电机容错运行

现阶段多相电机已被各个领域广泛利用,在发生单相甚至若干相开路故障后,可以在不增加多余硬件的基础上确保多相电机维持平稳的运行。为了解决定子开路故障时空间谐波磁场耦合对电机转矩脉动的影响,本文提出了一种基于正负序矢量解耦控制的电机容错控制策略。以七相感应电机单相开路为例,引入对应的附加条件重新计算剩余各相电流。电流环采用双向比例积分控制算法,通过仿真在多相同步旋转坐标系下实现了对电流的无静差控制。最后通过实验对所提出的算法进行验证,表明该策略能保证故障前后基波磁动势不变,使电机在故障下获得较好稳态和动态性能。     

可重构阵列自主容错方法研究

设计了一种具有故障自诊断和自修复能力的可重构阵列单元结构。在功能细胞单元内部实现分布式的故障自诊断,在测试到故障后,可以自主地将距故障单元最近的空闲单元进行替换,接着自动取消受故障影响的线网,并在新的布线端点间对这些线网重新布线。以4位并行乘法器为例,实验结果证明了可重构单元阵列的故障自修复能力,并验证其重构时间较短且可靠性较高。     

资源管理系统中基于作业检查点的自动容错

本文提出了在资源管理系统中基于作业检查点实现自动容错支持,深入分析了作业与任务检查点分离、映像文件管理、自动恢复执行等关键技术。基于BLCR在SLURM中实现了作业的自动检查点/恢复,详细介绍了实现中的关键技术难题。分析与测试表明,检查点与恢复执行功能正确,并能有效缩短大规模作业成功运行所需的时间。     

无线传感器网络簇级拓扑演化模型研究

复杂网络理论研究表明,复杂系统的容错能力不仅仅存在于具有冗余组件的系统之中;而且也同样存在于具有无标度(scale-free)特征的网络之中;文章借助于复杂网络理论和偏好依附机制提出一种无线传感器网络簇级拓扑演化模型;拓扑动态分析表明,该模型能够很好地体现无线传感器簇间的拓扑生长过程,由该模型演化成的无线网络拓扑具有无标度网络的性质,所以该拓扑模型具有很强的容错性。     

基于RS码的错误容忍存储方案

在分布式存储系统存储数据时,如果一个或几个设备出现故障,不仅该设备中的数据不能使用,而且会导致用户无法完整地访问资源。针对该问题,提出一种基于RS码的错误容忍存储方案,当系统中错误设备的数量不超过m时,就可以对其进行恢复,实现容错。该方案具有较高的安全性与执行效率,能满足存储系统容错的要求,可以利用其构造对可靠性要求较高的存储系统。     

基于门限签名方案的BQS系统的服务器协议

利用冗余复制技术,BQS(Byzantine quorum system)系统在异步信道上提供了能容忍f台服务器拜占庭失效的存储服务.COCA系统和CODEX系统设计了一种结合门限签名方案和BQS系统的服务器协议,完成了TSS-BQS(threshold signature schemes-BQS)系统.与普通BQS系统相比,具有更易于支持Proactive Recovery,简化客户端密钥管理和客户端通信的优点.基于相同的系统模型和信道假设,提出了一种新的服务器协议,满足TSS-BQS系统的安全要求;而且与已有协议相比,该协议只需更少的通信轮数,在读/写并发情况下执行效果 更优.