论文部分内容阅读
检查点技术可以使应用程序快速恢复至正确状态并减少系统故障带来的计算损失,保证长运算时间作业的可完成性,是提高机群系统可用性的重要手段。为了使应用程序在系统出现故障后能够根据检查点文件恢复并继续正确运行,必须保证所保存和恢复的进程状态信息的完备性和一致性。程序在运行中往往会修改文件内容,但是由于文件内容状态的持续性,可能造成恢复后活动文件内容状态和进程其它状态不一致,进而可能导致程序继续运行时出现错误。因此检查点技术需要提供文件内容的保存和恢复功能,保证文件内容状态与进程其他状态的一致性。本论文以机群系统为研究平台,对机群环境下支持文件访问的检查点技术进行了深入的研究,提出了基于细粒度备份的文件检查点策略,设计和实现了曙光机群系统中的文件检查点系统。论文的主要贡献主要体现在以下几个方面:1.研究了文件检查点系统的设计中的关键问题。在分析对比国内外已有的文件检查点技术的基础上,根据曙光机群系统中应用访问文件的特点,提出了系统级监控、写时拷贝、细粒度备份等关键技术。2.提出了一个核心级文件检查点系统结构框架。系统框架由运行监管、检查点设置和恢复处理三个模块组成。运行监管模块负责在程序正常运行中记录文件的修改情况。检查点设置模块负责在检查点时刻清除文件修改的记录。恢复处理模块负责在出错时利用文件修改的记录恢复文件的内容到上一次检查点时刻末。3.提出了基于细粒度备份的文件检查点技术。这种技术通过将文件从逻辑上分块,仅备份被修改文件数据所在的文件块,可以大大降低数据备份的时空开销。4.设计和实现了曙光机群系统中的文件检查点系统(CSFR),并对其功能和性能进行了分析和评价。该系统以操作系统核心模块方式实现,对应用透明,能够提供文件数据内容恢复功能;配合进程检查点,能够保证文件数据内容与进程其他状态的一致性。实验结果表明,该系统可以支持对运行在LAM/MPI环境下的MPI并行应用程序进行正确的检查点设置和出错恢复的操作。