容错关键技术.docVIP

容错关键技术 一个容错系统包含四个要素：首先是故障检测,这是容错系统必不可少的环节，其他环节以此为基础；其次是对出现的故障所造成的影响进行评估并限制其进一步传播；最后是对确定为不可恢复的故障进行处理。 容错的基本步骤概括起来是故障检测→处理故障→系统恢复。 防止故障造成系统失效有两种基本技术：即是故障掩蔽技术和系统重组技术。 故障掩蔽是防止故障造成差错的各种技术，换句话说要将发生的故障隐蔽起来。这类技术不要求在容忍故障前检测故障，但要求做到故障包容。故障包容是指使故障的影响局部化，不希望一个故障全局地影响整个系统的性能。在故障效应达到模块的输出之前，通过隔离或校正来消除它们的影响，从而达到容错的目的。 掩蔽技术不改变系统的结构，即系统部件的逻辑关系相对固定，因此掩蔽技术又称静态冗余技术。当掩蔽冗余因模块中的故障而耗尽时，再发生故障就会在输出产生错误。 系统重组是防止差错导致系统失效的各种技术。系统重组技术首先做到故障检测，然后做到故障定位，最后做到系统恢复。 系统重组技术称动态冗余技术。 故障掩蔽技术及系统重组技术是达到容错的两种基本途径。而它们又建立在资源冗余的基础上的。资源冗余主要有两种基本形式:硬件冗余和软件冗余。 1、硬件冗余 实时系统中应用最广泛的冗余形式是硬件的物理重复。随着半导体元件体积的缩小及成本的下降，硬件冗余成为更实用的一种冗余方法。硬件冗余有两种形式：被动冗余和主动冗余。 被动硬件冗余又称静态硬件冗余，是指冗余结构并不随故障情况的变化的冗余的形式。被动硬件冗余应用了故障掩蔽的概念，将发生的故障隐蔽起来，防止故障造成差错。被动硬件冗余的基本机理是通过多数表决隐蔽发生的故障。这种冗余方法一般用于多机系统。 主动硬件冗余又称动态硬件冗余，是通过故障检测，故障定位及系统恢复来达到容错的一种技术。 由于系统恢复采用某种重组技术，因此系统冗余结构将随故障情况发生变化。这种技术不会防止故障产生差错，但防止差错产生失效，这类应用允许发生暂时的故障的错误结果，只要系统在规定时间内进行重组并恢复正常工作。 主动硬件冗余技术与被动硬件冗余技术相比有以下优点： （1）有更大的隔离灾难性故障的能力，这对密集的微电子电路特别重要； （2）直到所有的后备资源耗尽了，系统才失效，因此可靠性较高； （3）系统平均寿命增益可以大大加强； （4）可利用后备单元的不加电元件潜在的低功耗特点； （5）利用向后恢复能消除由瞬间故障引起的错误； （6）易于调节后备单元的数量类型； （7）成本比较低。 下面我们重点分析主动硬件冗余的几个方案。 方案一 双机比较 最简单的双机比较方案如下图所示： 图 1 最简单的双机比较方案图 两个相同并行执行相同的计算，其结果由比较器进行比较，这是最简单的双机比较系统只提供故障检测能力，但不提供容错能力，但若配之以故障定位技术及切换技术，可以做到容错。 例如，当比较器给出不一致信号时，可以对两个模块分别进行故障测试，以确定有故障的模块，然后将正常模块输出作为系统输出，系统成为单机系统继续运行。 方案二 双机备份 双机备份方案如下图所示： 图 2 双机备份方案图 一个模块为主用模块，用以产生系统输出，另一模块作为备用。采用各种故障检测技术及故障定位技术来确定发生故障的模块。 若主用模块发生故障，则进行重组，使一个正常的备用模块成为主用，从而使系统恢复正常运行。在进行重组的过程中系统正常运行发生暂时中断。 备用替换中的备件可分为热备份与冷备份。采用热备份时，备件与主件同时工作，随时准备替换主件的工作。采用冷备份时，备件平时不通电，直至需要它替换主件工作时才开始工作。 热备份的优点是中断正常的时间短。冷备份的优点是备件平时不消耗功率。对于电源功率很紧张的系统，可采用冷备份。但对于系统要求系统重组的时间尽可能短，应采用热备份。 方案三 监督计数器 监督计数器是一个需要以一定周期计数的计数器(可用软件实现)，用它可以检测系统的故障。 其基本思想是：当一个系统无故障时，它能按照一定的周期进行计数。 如果监督计数器中的计数值超过一定的时间仍未变化，则指出系统中出现故障。监督计数器的周期按照应用系统的要求而定。 监督计数器不仅能检测硬件故障，也能检测软件故障。例如，一个软件如进入一个死循环，它就会超过正常执行该软件所需的时间，监督计数器就会因得不到及时变化而给出出错指示。监督计数器仅是一种故障判定方法，要加上系统切换和重组硬件和软件才能真正形成硬件冗余。 2、软件冗余 在计算机容错系统中，许多故障检测及容错技术可用软件来实现。这时硬件冗余的硬件可减至最少，而冗余的软件成为主要手段。 与硬件容错设计的动态冗余技术类似，用一个静态冗余的NVP(N份程序设计)结构为核，再用S份程序作为后备，随时替换NVP中出现的差错的程序，这样就构成了