基于虛擬機動態(tài)遷移的主動容錯系統(tǒng)設(shè)計與實現(xiàn).pdf

1、隨著云計算的快速發(fā)展，社會各個領(lǐng)域?qū)τ嬎阗Y源的需求不斷增加，高性能計算集群的應(yīng)用領(lǐng)域越發(fā)廣泛，包括銀行系統(tǒng)，購物系統(tǒng)，天氣預(yù)報系統(tǒng)，科學(xué)計算系統(tǒng)等在內(nèi)的許多系統(tǒng)都需要大量的計算資源。為了滿足這樣的需求計算集群的規(guī)模也在不斷擴大。在如此龐大的計算集群中，即使節(jié)點故障率很低，也難免有很多節(jié)點發(fā)生故障。節(jié)點發(fā)生故障有很多原因，歸納起來主要有硬件，軟件，環(huán)境，網(wǎng)絡(luò)，人為等多種因素，而尤以硬件出現(xiàn)故障的頻率最高[31]。為了減少硬件故障對系統(tǒng)的影

2、響，本文對主動容錯技術(shù)進(jìn)行了研究。主要研究內(nèi)容有以下三點：
　　1.為用于科學(xué)計算的大規(guī)模集群設(shè)計并實現(xiàn)了一套主動容錯系統(tǒng)，以減小硬件失效對集群的影響。該系統(tǒng)由三個模塊組成，即數(shù)據(jù)收集模塊，錯誤預(yù)測模塊和容錯遷移模塊。數(shù)據(jù)收集模塊負(fù)責(zé)定時從系統(tǒng)中收集集群的硬件資源數(shù)據(jù)和系統(tǒng)資源數(shù)據(jù)，并將數(shù)據(jù)發(fā)送給錯誤預(yù)測模塊進(jìn)行錯誤預(yù)測。錯誤預(yù)測模塊負(fù)責(zé)收數(shù)據(jù)收集模塊收集的集群數(shù)據(jù)，并使用閾值算法或閾值梯度算法對數(shù)據(jù)進(jìn)行分析并進(jìn)行錯誤預(yù)測，將錯誤

3、預(yù)測結(jié)果發(fā)送給錯誤遷移模塊進(jìn)行任務(wù)遷移。錯誤遷移模塊接收各個計算節(jié)點發(fā)送的問題主機信息并從調(diào)度器獲得調(diào)度結(jié)果將問題主機上的任務(wù)在主機宕機前遷移到健康主機上。
　　2.提出了一種適用于主動容錯的錯誤預(yù)測算法。考慮到現(xiàn)有算法缺少考慮數(shù)據(jù)變化趨勢的現(xiàn)狀，將數(shù)據(jù)變化率這個因素引入錯誤預(yù)測，從而提出了閾值梯度預(yù)測算法。該算法不僅參考測量數(shù)值本身，還關(guān)注數(shù)據(jù)變化趨勢，增加了故障預(yù)測的準(zhǔn)確性。
　　3.提出了一種選擇預(yù)測算法的方法。該方法