【正文】 1/28/2023 1第三章計算機系統(tǒng)的可靠性 什么是計算機系統(tǒng)的可靠性 容錯系統(tǒng)的概念 硬件冗余 軟件冗余 磁盤陣列的編碼容錯方案1/28/2023 2 什么是計算機系統(tǒng)的可靠性n 可靠性：系統(tǒng)在規(guī)定的條件下，完成規(guī)定的功能的能力。n 可靠性用可用度來度量。n 可用度：系統(tǒng)在 t時刻處于正常狀態(tài)的概率。n 可用度計算： A(t)=平均無故障時間 / (平均無故障時間 +平均修復(fù)時間 )n 平均無故障時間： MTBFn 平均修復(fù)時間： MTRF1/28/2023 3 什么是計算機系統(tǒng)的可靠性可用性的定量表現(xiàn)：n 可靠性的測度方法：抗毀性，生存性，有效性。n 可靠性表現(xiàn)為硬件可靠性，軟件可靠性，人員可靠性，環(huán)境可靠性等。n 可維護性：平均修復(fù)時間： MTRFn 維修保障：后勤支援能力1/28/2023 4 什么是計算機系統(tǒng)的可靠性n 浴盆曲線1/28/2023 5 什么是計算機系統(tǒng)的可靠性n 電子元器件的質(zhì)量等級；n 電子元器件的選用：n 對元器件性能的掌握；n 降額使用；n 熱設(shè)計；n 抗輻射設(shè)計；n 防靜電損傷；n 防操作過程中的損傷；n 儲存與保管問題。1/28/2023 6 什么是計算機系統(tǒng)的可靠性熱設(shè)計技術(shù)n 熱交換途徑，熱環(huán)境影響因素 (電能、機械能轉(zhuǎn)換為熱量 )；n 冷卻方法：自然冷卻、強迫風(fēng)冷、冷板式冷卻；n “軟件冷卻 ”n 風(fēng)道n 水冷，液氮冷卻n 熱管，導(dǎo)熱1/28/2023 7 什么是計算機系統(tǒng)的可靠性n 1963年發(fā)明并制造出熱管，是高效傳熱元件。 80年代前，熱管用于衛(wèi)星等高端系統(tǒng)。n 導(dǎo)管內(nèi)填充了液態(tài)導(dǎo)熱介質(zhì)。熱管兩端產(chǎn)生溫差的時候，蒸發(fā)端的液體就會迅速氣化，將熱量帶向冷凝端，速度非常快。液體在冷凝端凝結(jié)液化以后，通過毛細作用，流回蒸發(fā)端。n 水 氣之間的相變反應(yīng)，使熱管的熱傳導(dǎo)效率比普通的純銅高許多倍。n 熱管傳熱效果好，噪音低，使用壽命長。1/28/2023 8 什么是計算機系統(tǒng)的可靠性1/28/2023 9 什么是計算機系統(tǒng)的可靠性1/28/2023 10 什么是計算機系統(tǒng)的可靠性1/28/2023 11 什么是計算機系統(tǒng)的可靠性1/28/2023 121/28/2023 131/28/2023 141/28/2023 151/28/2023 161/28/2023 171/28/2023 181/28/2023 191/28/2023 201/28/2023 211/28/2023 221/28/2023 23 什么是計算機系統(tǒng)的可靠性元器件布局n 發(fā)熱元件分散安裝n 使熱敏感元件處于低溫區(qū)n 采用短通路，減少傳導(dǎo)熱阻n 較少接觸面熱阻n 印刷板熱設(shè)計n 機箱熱設(shè)計1/28/2023 24 什么是計算機系統(tǒng)的可靠性熱分析手段n 熱傳導(dǎo)、熱對流、熱輻射n 美 BETAsoft軟件，可實現(xiàn)器件級、電路板級、系統(tǒng)級電子產(chǎn)品熱分析和熱設(shè)計。1/28/2023 25 什么是計算機系統(tǒng)的可靠性1/28/2023 261/28/2023 271/28/2023 28 什么是計算機系統(tǒng)的可靠性故障、失效和錯誤的概念 n 失效是指硬件物理特性異變。n 故障是指硬件或軟件的錯誤狀態(tài)，是失效在邏輯上的等效。一個故障可以用種類、值、影響范圍和發(fā)生時間來描述。 n 錯誤是指程序或數(shù)據(jù)結(jié)構(gòu)中的故障表現(xiàn)形式，是故障和失效所造成的后果。 1/28/2023 29 什么是計算機系統(tǒng)的可靠性故障的分類 n 故障可分為邏輯故障和非邏輯故障兩種。n 按時間劃分，故障可分為以下三種： 障。硬件的永久性故障意味著不可逆的物理變異。軟件的永久性故障也是一個不可自動恢復(fù)的錯誤狀態(tài)。 、斷續(xù)，它具有偶然性、不定期的重復(fù)性。如一個處于臨界狀態(tài)的電路輸出時好時壞，虛焊點也會引起這樣的故障。1/28/2023 30 什么是計算機系統(tǒng)的可靠性，且可能是非重復(fù)性的。常因環(huán)境的變化、電源干擾、元器件性能的波動、軟件的隨機變化、電磁干擾等因素而引起。n 統(tǒng)計表明，間歇性故障和偶然性故障占整個故障的很大比例，成為系統(tǒng)出錯的主要根源。早期美國空軍的一項研究報告指出，這類故障占所有故障的 80%。 IBM公司的一項報告指出：這類故障占所有現(xiàn)場失效的 90%。1/28/2023 31 什么是計算機系統(tǒng)的可靠性n 錯誤的根源：錯誤是失效和故障所引起的后果，其根源可以歸納為下圖。1/28/2023 32 什么是計算機系統(tǒng)的可靠性n 容錯技術(shù)能達到對故障的 “ 容忍 ” ，但并非是“ 無視 ” 故障的存在。n 它首先能自動地適時地檢測并診斷出系統(tǒng)的故障，然后采取對故障的控制或處理的策略。 n 根據(jù)錯誤的不同情況，一個容錯系統(tǒng)可能分 10個階段 : (1)故障限制 (2)故障檢測 (3)故障屏蔽 (4)重試 (5)診斷 (6)重組 (7)恢復(fù) (8)重啟動 (9)修復(fù) (10)重構(gòu)1/28/2023 33 什么是計算機系統(tǒng)的可靠性n 按照系統(tǒng)的這些失效響應(yīng)方式，容錯技術(shù)可分成三種：故障檢測、靜態(tài)冗余、動態(tài)冗余。n 靜態(tài)冗余能容忍故障，但不給出故障警告。 n 動態(tài)冗余用于糾錯碼存儲器或具有固定配置 (即線路器件之間的邏輯連接保持不變 )的多數(shù)表決冗余計算機之類的系統(tǒng)中。 1/28/2023 34 什么是計算機系統(tǒng)的可靠性1/28/2023 35 什么是計算機系統(tǒng)的可靠性n 提高系統(tǒng)可靠性的方法：n 避錯：提高軟硬件質(zhì)量，抵御故障。n 容錯：故障發(fā)生時系統(tǒng)仍能繼續(xù)運行，提供服務(wù)與資源。n 美國容錯計算機有限公司 :Stratusn 天騰公司 Tanden Computers， 1974年成立。1/28/2023 36 什么是計算機系統(tǒng)的可靠性Stratus容錯服務(wù)器采用容錯設(shè)計n 2023年 3月 29日美國容錯技術(shù)有限公司與微軟在北京宣布， Stratus生產(chǎn)的基于 Windows Server2023操作系統(tǒng)的容錯服務(wù)器 Ft Server。 n Ft Server是基于 Intel IA架構(gòu)，使用可互相替換的冗余硬件。各個冗余部件工作在時鐘同步鎖定模式下，以單一的操作系統(tǒng)映像，同時執(zhí)行相同的應(yīng)用和交易。1/28/2023 37 什么是計算機系統(tǒng)的可靠性HP NonStop HP n NonStop是 HP工業(yè)標(biāo)準服務(wù)器系列產(chǎn)品中的高端產(chǎn)品，是一個開放的專用平臺。n NonStop服務(wù)器的專用性表現(xiàn)在它的核心容錯結(jié)構(gòu)，可進行全面的故障檢測和隔離，并保護數(shù)據(jù)的完整性，整個系統(tǒng)無任何單點故障，其可用性達到 %，足以讓最關(guān)鍵和復(fù)雜的應(yīng)用得到滿足。1/28/2023 38 什么是計算機系統(tǒng)的可靠性n NonStop服務(wù)器的處理性能通過松散耦合的非共享體系結(jié)構(gòu)得以線性方式進行擴展，支持 2到 4080個處理器，并對用戶透明。n NonStop服務(wù)器正全面轉(zhuǎn)向安騰平臺。 1/28/2023 391/28/2023 40 什么是計算機系統(tǒng)的可靠性容錯技術(shù)的發(fā)展與應(yīng)用展望 、操作系統(tǒng)容錯相結(jié)合的容錯設(shè)計方法將備受重視 1/28/2023 41 什么是計算機系統(tǒng)的可靠性容錯技術(shù)的發(fā)展與應(yīng)用展望 PC發(fā)展 、標(biāo)準化 1/28/2023 42 容錯系統(tǒng)的概念n 容錯：系統(tǒng)資源冗余。n 硬件容錯n 軟件容錯n 時間容錯：校驗、糾錯n 信息容錯1/28/2023 43 容錯系統(tǒng)的概念n 元器件級容錯n 部件級容錯n 分系統(tǒng)級容錯n 系統(tǒng)級容錯n 容錯：平衡可靠性與資源消耗的關(guān)系。1/28/2023 44 容錯系統(tǒng)的概念容錯系統(tǒng)工作過程n 自動偵測n 自動切換n 自動恢復(fù)1/28/2023 45 硬件冗余、設(shè)備、部件，形成備份1/28/2023 46 硬件冗余n 數(shù)據(jù)備份的目的n 為了有效地利用和保護數(shù)據(jù)，存儲備份是必不可少的措施。n 存儲備份的主要目的有兩個： (1)數(shù)據(jù)共享； (2)用于系統(tǒng)災(zāi)難恢復(fù)。1/28/2023 47 硬件冗余n 信息存儲系統(tǒng)的可靠性和可用性、數(shù)據(jù)備份和災(zāi)難恢復(fù)能力往往是企業(yè)用戶首先要考慮的問題。n 為防止災(zāi)難事件對數(shù)據(jù)的毀壞，關(guān)鍵數(shù)據(jù)還要考慮 異地備份和容災(zāi) 問題。n 數(shù)據(jù)的災(zāi)難恢復(fù)是保證系統(tǒng)安全可靠的基礎(chǔ)。1/28/2023 48 硬件冗余n 存儲管理和維護自動化n 由于存儲系統(tǒng)越來越復(fù)雜，管理維護人員的出差錯的可能性也越來越大，稍不注意就會丟失數(shù)據(jù)。n 現(xiàn)代存儲系統(tǒng)要求具有智能化的自動管理和維護功能。1/28/2023 49 硬件冗余n 備份策略 :n 備份策略是所要采用的備份方式 ,要根據(jù)自己的實際情況來制定。n 基本的備份策略有三種。1/28/2023 50 硬件冗余n n 每次都對自己的系統(tǒng)進行完全備份。 1 2 3 4 51/28/2023 51 硬件冗余n n 每次僅對增加或變更的數(shù)據(jù)進行備份。43 5211/28/2023 52 硬件冗余n 12 3 4 51/28/2023 53 硬件冗余n 按備份介質(zhì)存放位分為本地備份和異地備份；n 按備份后數(shù)據(jù)是否可改變分為活備份與死備份；n 按選擇的備份軟件的功能可分為動態(tài)備份和靜態(tài)備份。1/28/2023 54 硬件冗余1/28/2023 55 硬件冗余集群 (Cluster)n 集群技術(shù)可如下定義：一組相互獨立的服務(wù)器在網(wǎng)絡(luò)中表現(xiàn)為單一的系統(tǒng)，并以單一系統(tǒng)的模式加以管理。此單一系統(tǒng)為客戶工作站提供高可靠性的服務(wù)。n 大多數(shù)模式下，集群中所有的計算機擁有一個共同的名稱，集群內(nèi)任一系統(tǒng)上運行的服務(wù)可被所有的網(wǎng)絡(luò)客戶所使用。1/28/2023 56 硬件冗余集群 (Cluster)n 集群必須可以協(xié)調(diào)管理各分離的組件的錯誤和失敗，并可透明地向集群中加入組件。n 一個集群包含多臺 (至少二臺 )擁有共享數(shù)據(jù)存儲空間的服務(wù)器。任何一臺服務(wù)器運行一個應(yīng)用時，應(yīng)用數(shù)據(jù)被存儲在共享的數(shù)據(jù)空間內(nèi)。1/28/2023 57 硬件冗余集群 (Cluster)n 每臺服務(wù)器的操作系統(tǒng)和應(yīng)用程序文件存儲在其各自的本地儲存空間上。集群內(nèi)各節(jié)點服務(wù)器通過一內(nèi)部局域網(wǎng)相互通訊。當(dāng)一臺節(jié)點服務(wù)器發(fā)生故障時，這臺服務(wù)器上所運行的應(yīng)用程序?qū)⒃诹硪还?jié)點服務(wù)器上被自動接管。當(dāng)一個應(yīng)用服務(wù)發(fā)生故障時，應(yīng)用服務(wù)將被重新啟動或被另一臺服務(wù)器接管。n 當(dāng)以上的任一故障發(fā)生時，客戶都將能很快連接到新的應(yīng)用服務(wù)上。1/28/2023 58 硬件冗余集群 (Cluster)n 集群技術(shù)的出發(fā)點是提供高可靠性、可擴充性和抗災(zāi)難性。集群包含多臺擁有共享數(shù)據(jù)存儲空間的服務(wù)器，各服務(wù)器通過內(nèi)部局域相互通信。n 當(dāng)某一服務(wù)器故障時，它所運行的應(yīng)用程序?qū)⒂善渌?wù)器自動接管。1/28/2023 59 硬件冗余n 集群 (Cluster)n 群集n 網(wǎng)格 (grid) 1/28/2023 60 硬件冗余n 服務(wù)器群集：群集由通過輸入輸出系統(tǒng)互聯(lián)的若干服務(wù)器構(gòu)成。這些服務(wù)器連接到存儲介質(zhì)中，由分布資源管理軟件 DRM進行管理。n 群集組成部分處在不斷的改進之中：刀片式服務(wù)器，快速 InfiniBand I/O技術(shù)和更為復(fù)雜的DRM軟件，這些部分組合在一起構(gòu)成群集。n 群集是由一組獨立的計算機組成，這些計算機一起工作以運行一系列共同的應(yīng)用程序，為客戶和應(yīng)用提供單一的系統(tǒng)映射。1/28/2023 61 硬件冗余n 群集內(nèi)的計算機物理上通過電纜連接，程序上則通過群集軟件連接。n 群集允許計算機使用 故障應(yīng)急 與負載均衡功能。1/28/2023 62 硬件冗余Windows2023群集技術(shù)：n 高度的可用性，可伸縮性，易管理性；n 在 Windows2023 Advanced Server和Windows 2023 Data Center Server操作系統(tǒng)支持群集技術(shù)。1/28/2023 63 硬件冗余Windows2023群集技術(shù)：n 群集服務(wù) :這種服務(wù)起初是針對為數(shù)據(jù)庫、消息系統(tǒng)和文件 /打印服務(wù)等應(yīng)用提供故障應(yīng)急支持的要求而開發(fā)的。支持雙節(jié)點故障應(yīng)急群集和四節(jié)點群集。n 網(wǎng)絡(luò)負載均衡 (NLB):該項服務(wù)可在 32個節(jié)點的群集內(nèi)平衡引入的 IP通信量。n 網(wǎng)絡(luò)負載均衡技術(shù)還將充當(dāng)一個理想的負載均衡結(jié)構(gòu)體系，在分布式的 Web區(qū)環(huán)境下與 MS即將發(fā)布的應(yīng)用中心 (AppCenter)服務(wù)器共同使用。1/28/2023 64 硬件冗余雙機容錯系統(tǒng)的結(jié)構(gòu)n (1)雙機并聯(lián)結(jié)構(gòu)n 雙機并聯(lián)系統(tǒng)除了兩套硬件及軟件系統(tǒng)外，還需要配置專用切換軟件和管理軟件。n 為了確保系統(tǒng)正常運行，必須不斷地進行兩種檢查：聯(lián)機相互健康檢查及檢查點檢查。1/28/2023 65 硬件冗余n 雙機并聯(lián)系統(tǒng)結(jié)構(gòu)圖1/28/2023 66 硬件冗余n (2)部件級容錯系統(tǒng)n 這種部件級容錯計算機系統(tǒng)只要單機配置，沒有切換軟件，用戶開發(fā)管理非常方便，并且容錯對用戶透明，從而使系統(tǒng)的應(yīng)用開發(fā)費用大大降低。1/28/2023 67 硬件冗余n 故障檢測n 為了檢測錯誤，每塊電路板上都有兩組相同邏輯，板內(nèi)設(shè)計有比較自檢測邏輯。n 在發(fā)生故障時，為了實現(xiàn)容錯，每種電路板和外圍設(shè)備都是雙重冗余的。n 故障處理n 當(dāng)一塊電路板或相連接的外圍設(shè)備故障時，它自己立即退出服務(wù)，并向操作系統(tǒng)發(fā)出一個中斷信號，操作系統(tǒng)的維護軟件判明這次出錯是瞬時性的還是持久性的。1/28/2023 68 硬件冗余n 部件級容錯系統(tǒng)1/28/2023 69 軟件冗余n 向前恢復(fù)n 向后恢復(fù)n 1975，動態(tài)屏蔽技術(shù) — 恢 復(fù)塊方法，是一種向后恢復(fù)策略。1/28/2023 701/28/2023 71 軟件冗余n 1977， N版本程序設(shè)計，是一種靜態(tài)屏蔽技術(shù) ,采用向前恢復(fù)策略。1/28/2023 721/28/2023 73 軟件冗余n 程序中包含錯誤檢查代碼和錯誤恢復(fù)代碼；n 發(fā)生錯誤時，程序能撤銷錯誤狀態(tài)，恢復(fù)到一個已知的正常狀態(tài)。1/28/2023 74 磁盤陣列存儲器的編碼容錯方案n RAID(Redundant Array of Inexpensive Drive。n RAID的優(yōu)點在于可用性、容量、性能。n 1988年加利福尼亞大學(xué)伯克萊分校的Patterson教授等人提出了廉價磁盤冗余陣列 RAID的概念。1/28/2023 75 磁盤陣列存儲器的編碼容錯方案n RAID技術(shù)主要優(yōu)點有：n 把多個磁盤組織在一起作為一個邏輯卷，提供磁盤跨越功能。n 通過把數(shù)據(jù)分成多個數(shù)據(jù)塊，并行寫 /讀多個磁盤以提高訪問磁盤的速度。n 通過鏡像或校驗操作提供容錯能力。1/28/2023 76 磁盤陣列存儲器的編碼容錯方案n 常用的 RAID級別有以下幾種：n RAID0， RAID1， RAID0+1， RAID3， RAID5等。n 為提高可靠性和性能，常使用 RAID5和RAID（ 0+1）。1/28/2023 771/28/2023 781/28/2023 791/28/2023 801/28/2023 811/28/2023 821/28/2023 83支持 4個 Serial ATA串行硬盤以及RAID 0, RAID 1, RAID 0+1。1/28/2023 841/28/2023 8516