計算機系統(tǒng)容錯技術(shù)研究

謝建洲

摘要：計算機技術(shù)作為目前發(fā)展最為迅速的科學技術(shù)領(lǐng)域，為生產(chǎn)生活提供了大量的便利。隨著全球信息一體化進程的深入，能夠快速處理信息，是各行業(yè)能夠得以發(fā)展的必要保證。計算機系統(tǒng)的快速運算能力，是各行業(yè)生產(chǎn)的必要因素，為保證計算計算機系統(tǒng)運行的穩(wěn)定，計算機系統(tǒng)容錯技術(shù)需要受到重視。本文通過對計算機系統(tǒng)容錯技術(shù)進行分析，研究合理進行計算機系統(tǒng)容錯技術(shù)升級方法，為計算機系統(tǒng)的合理化提出行之有效的建議。

關(guān)鍵詞：計算機系統(tǒng)；信息冗余；軟件錯誤；硬件錯誤；故障排除技術(shù)

中圖分類號：TP393 文獻標識碼：A 文章編號：1009-3044（2016）06-0250-03

計算機系統(tǒng)的容錯技術(shù)是計算機出現(xiàn)軟件錯誤或者硬件錯誤的緊急情況時，仍能保證各部分的運行功能良好，計算機系統(tǒng)計算能力不下降的應急保護措施。計算機容錯技術(shù)廣泛應用在航天國防、電力化工、醫(yī)療衛(wèi)生等應用計算機系統(tǒng)進行數(shù)據(jù)測算容錯率低的專業(yè)部門之中。在關(guān)鍵性工作中，輕微的錯誤或計算機設(shè)備的不合理設(shè)置都會引發(fā)不可逆轉(zhuǎn)的嚴重后果，所以針對容錯率低生產(chǎn)環(huán)節(jié)中的計算機設(shè)置需采用大量系統(tǒng)應急設(shè)計，以求保證計算機系統(tǒng)在突發(fā)情況時，仍能穩(wěn)定運行。

1 計算機系統(tǒng)常見錯誤

計算機系統(tǒng)錯誤既有軟件層面上的軟件運行故障，又有硬件層面上的某個組成計算系統(tǒng)的硬件失靈。近年來電路主板工藝技術(shù)的提高，使得出現(xiàn)硬件層面上主要的錯誤集中于計算機處理器（cpu）的瞬間故障。出現(xiàn)計算機處理器（cpu）故障的主因可能是計算機晶體管無法正常工作，因為電壓值超過計算機處理器（cpu）能夠承載極限，導致計算處理器（cpu）瞬間故障。計算處理器（cpu）出現(xiàn)故障的原因還可能是計算處理器（cpu）的主頻設(shè)置過高，目前眾多部門應用計算機系統(tǒng)為節(jié)省更新?lián)Q代，對計算處理器（cpu）進行超頻處理，增加計算處理器（cpu）的負荷，導致故障出現(xiàn)。計算處理器（cpu）出現(xiàn)故障的原因還可能是因為，近年來計算機制造技術(shù)的發(fā)展，處理器中晶體管數(shù)量龐大，當一個晶體管出現(xiàn)故障時，就導致計算處理器（cpu）出現(xiàn)運行錯誤的情況。

針對計算機系統(tǒng)出現(xiàn)的諸多故障問題，設(shè)計可靠的計算機容錯系統(tǒng)，顯得十分必要，通過使用計算機硬件容錯模塊能夠極大降低計算機故障幾率，為生產(chǎn)工作提供安全與保障。

2 計算機系統(tǒng)容錯技術(shù)分析

1）計算機硬件容錯方法

計算機硬件錯誤出現(xiàn)概率較高，一旦出現(xiàn)計算機硬件層面問題，比計算機軟件層面問題更難恢復。計算機硬件錯誤可能是因為個別系統(tǒng)部件短時間內(nèi)停止運行產(chǎn)生的瞬間故障，也可能是計算機個別系統(tǒng)部件損壞產(chǎn)生的永久性故障。計算機系統(tǒng)的永久性故障，是因零部件超出使用年限，計算機主板元器件斷路短路等原因產(chǎn)生的。發(fā)生計算機永久性故障時，維修只能通過更換受損或已經(jīng)報廢的部件來進行。短時間內(nèi)的計算機部件故障，可能是瞬間錯誤頻繁發(fā)生，導致系統(tǒng)不能承受，瞬間錯誤由于計算機制造技術(shù)的發(fā)展，大量計算機部件整合至一個計算機部件之中，這種故障形式頻繁發(fā)生。增加了計算機系統(tǒng)工作工程的不穩(wěn)定性，為生產(chǎn)帶來許多多不便。

計算機系統(tǒng)的容錯設(shè)計方法一般采用冗余的設(shè)計思路，這種冗余的模式，不僅可以探測故障原因，第一時間對計算機錯誤進行修補，恢復計算機部件的正常運行，更是保證計算機系統(tǒng)穩(wěn)定，功能完整的唯一手段。

計算機系統(tǒng)在設(shè)計過程中經(jīng)常在硬件安裝環(huán)采用硬件冗余的設(shè)計思路，通過對降溫設(shè)備、溫度管理設(shè)備、計算機操作系統(tǒng)、等計算機運行必要設(shè)備安裝備用設(shè)備的方式，完成冗余設(shè)計。計算機主系統(tǒng)部件出現(xiàn)故障時，備用設(shè)備立即啟動接管主設(shè)備的工作，同時反饋計算機停止運行工作的故障信息，以便工作人員對故障部件進行檢修，檢修完畢后，出現(xiàn)故障的機器成為備用冗余機器，隨時準備投入運行。

一臺工作處理計算機輔助一臺工作備用計算的冗余模式，是按雙系統(tǒng)設(shè)計模式來進行的，在現(xiàn)代計算機系統(tǒng)設(shè)計之中，三系統(tǒng)設(shè)備等多系統(tǒng)設(shè)備的計算機系統(tǒng)設(shè)計方案也很常見。多系統(tǒng)冗余設(shè)計方案存在自身的固有缺陷，使用的多個獨立系統(tǒng)架構(gòu)是相同的，每個決策發(fā)現(xiàn)的錯誤都需要單獨的修復策略，允許出現(xiàn)的故障率為n-1，也就是說至少需要保證一臺備用設(shè)備能處于工作，否則整個計算機系統(tǒng)還會停止運行[1]。

多備用系統(tǒng)的計算機容錯設(shè)計，可能導致故障信息反饋延遲的出現(xiàn)，需要統(tǒng)一的管理設(shè)備對各個計算機部件進行管理，查找計算故障速率緩慢。

計算機系統(tǒng)的信息冗余設(shè)計是指在正常需要傳輸?shù)男畔⒅?，增加一定量的重復信息，以便出現(xiàn)故障時，保證信息傳輸?shù)耐暾?，為計算機系統(tǒng)的故障恢復提供了有效的輔助。計算機系統(tǒng)信息冗余容錯技術(shù)，包括計算機錯誤信息監(jiān)測和計算機錯誤信息糾正兩種方法。計算機編碼編碼技術(shù)，常用運用于計算機信號的傳遞過程中、計算機數(shù)據(jù)的存儲過程中和計算機硬件處理信號的工作中。具有代表性的計算機信息冗余編碼方法，不僅有常用的奇數(shù)偶數(shù)校驗碼Parity、循環(huán)冗余校驗碼CRC、海明碼及它們的擴展改進版本，還有較近期的RED-FEC、Mechanism、ABFTcheck-sum、EDAC等[2]。

計算機信息冗余技術(shù)相比計算其他的設(shè)備故障檢測方式的優(yōu)勢在于：成本低廉，應用內(nèi)容簡單，通過使用少量附加的計算機存儲信息，輔助以額外少量的信息處理設(shè)備就可能完成，不需要額外的成套的備用計算機設(shè)備；故障檢測迅速，信息處理及時，冗余信息與正常的數(shù)據(jù)是在相同工作時間內(nèi)，與正常信息同時被計算機信號處器器進行監(jiān)測和運算處理，所以是沒有延時性的，能夠在最短時間內(nèi)糾正計算機系統(tǒng)出現(xiàn)的錯誤[3]。

通過計算機時間冗余技術(shù)來達到，來增加計系統(tǒng)容錯率的設(shè)計思想是通過在統(tǒng)一硬件設(shè)施上，于不同的時間段對相應的計算機指令進行操作。計算機時間冗余需要將信息數(shù)據(jù)流延遲發(fā)送至處理器，這需要表決電路的協(xié)同陪同，通過將單詞的數(shù)據(jù)流距離結(jié)果，依據(jù)處理時間差延遲并復制多個附件，推送至表決器進行分型，找出錯誤原因。

計算機實踐容錯技術(shù)的關(guān)鍵點是延遲推送數(shù)據(jù)流的設(shè)置，如果延時推送時間設(shè)計過長，容易錯過最佳計算機系統(tǒng)檢修時間，造成鏈式反應，增加計算機系統(tǒng)出現(xiàn)問題的概率。計算機時間容錯技術(shù)設(shè)置的延遲推送數(shù)據(jù)流時間過短，容易產(chǎn)生書劍數(shù)據(jù)量過大，造成的錯誤信息冗余，反而增加了計算系統(tǒng)出現(xiàn)的故障[4]。

計算機硬件線程冗余技術(shù)，這種技術(shù)的容錯設(shè)計思路是通過多線程，或者多個核心的計算機中央處理器在真正的線程上降級出現(xiàn)錯誤，從而減少計算系統(tǒng)整體出現(xiàn)故障概率的方法。通過在多條并列運行的計算機中央處理器線程上進行數(shù)據(jù)運算，對比對象運算數(shù)據(jù)糾正錯誤信息。多線程冗余容錯方法是啟用多個主引導線程controlor與多個備用線程incontrolor分開，各自進行數(shù)據(jù)流的運算，最終使用頂層數(shù)據(jù)分析器（top data coarse grained superme scalar architecture）進行對比，通過對比最終運算結(jié)果發(fā)現(xiàn)錯誤。這種容錯方式的缺陷在于，效率十分低下，多個信息計算設(shè)備處理同樣的信息流，很多數(shù)據(jù)緩沖區(qū)使用沖通，榮引發(fā)設(shè)備部件鎖死，或帶來不可接受的的錯誤信息監(jiān)測延遲[6]。

2）計算機軟件容錯方法

為提升計算機軟件的容錯率，加強計算系統(tǒng)整體的穩(wěn)定性，需要針對軟件運行過程中，可能出現(xiàn)的錯誤進行提前控制。計算軟件形式各異，沒有固定的設(shè)計標準和要求，所以在故障控制方面比較困難。計算機軟即使按照人為編程的誰即模式進行工作的，出現(xiàn)運行報錯時，往往是由于編程設(shè)計人員的編寫錯誤。為提高計算機軟件的恢復能力，降低軟件報錯幾率，提高計算技術(shù)使用效率。因通過使用高級計算機軟件編程語言來進行，C++作為高容錯率的計算機編程語言，能夠有效降低計算機軟件報錯幾率。

計算機軟件故障應對策略有回滾恢復法與后向深入發(fā)法，回滾恢復法是指計算機通過貴恢復到之前最后一次正確運行的狀態(tài)，使計算機重新投入正常運轉(zhuǎn)之中。后向深入法是指計算機通過自我檢查軟件錯誤內(nèi)容，對報錯軟件的故障編碼予以排除，從而使計算機重新正常運轉(zhuǎn)。

計算機多版本軟件容錯方法是常見的，軟件故障排除法，其主要的設(shè)計思路是通過使用多種計算機編程語言和開發(fā)工具，制造多版本軟件，從而提升計算機使用軟件的兼容性，達到計算機容錯率提高的辦法[7]。

設(shè)計多版本軟件需要注意，軟件總體設(shè)計架構(gòu)應該保持一致。保證能夠進行錯誤下的，整個軟件的回滾。不同版本的計算機軟件之間應該統(tǒng)一計算機軟件接口，保證軟件的兼容性滿足不同的操作系統(tǒng)。計算機軟件模塊封裝方式，應該盡量使用不同的方式，保證同樣的錯誤不會發(fā)眾生在不同版本軟件中。計算機軟件設(shè)計應該具備各自版本特征，控制計算機軟件的運行機制，能夠第一時間針對軟件錯誤查找應對方法[8]。

3 計算機系統(tǒng)錯誤回卷恢復機制

計算機硬件錯誤、軟件錯誤的故障排除方法都是在計算系統(tǒng)運行過程中，方向錯誤是，以反饋的故障信息，針對故障進行定點排除。這樣做的目的是，盡量排除虛假報錯信息，不干擾計算機系統(tǒng)正常運營的同時，以最短的時間，保證計算機系統(tǒng)重新投入運行之中。但計算機運行過程中無論采用何種故障排出機制，對錯誤的檢測與恢復能力都是有限的。通過合理設(shè)計計算機系統(tǒng)錯誤回卷恢復機制，才能保證計算機系統(tǒng)發(fā)生不可逆的故障時，在短時間內(nèi)恢復到最后一次正常運轉(zhuǎn)時的穩(wěn)定狀態(tài)[9]。

計算機系統(tǒng)錯誤回卷恢復機制可以劃分為：基于之前計算機操作系統(tǒng)檢查點或者備份點，進行的計算機系統(tǒng)錯誤回卷恢復；基于計算機操作系統(tǒng)錯誤日志統(tǒng)計信息，進行的計算機系統(tǒng)錯誤回卷恢復。

基于之前計算機操作系統(tǒng)檢查點或者備份點的恢復機制，源自于計算機操作系統(tǒng)的自我保護機制，檢查電視提高操作系統(tǒng)容錯率的有效方式之一，計算在正常運行中，通過定期將所有信息備份至穩(wěn)定存儲介質(zhì)之中，通常是計算機的備份磁盤，形成故障恢復檢查點。當計算機出現(xiàn)操作故障時，利用在計算機的備份磁盤存儲的備份文件，將計算機操作系統(tǒng)恢復到最后一次備份的正常運行狀態(tài)，以保證在計算機出現(xiàn)錯誤的過程中損失最低[10]。

基于計算機操作系統(tǒng)錯誤日志統(tǒng)計信息，進行的錯誤回滾回復方式，是基于計算機操作系統(tǒng)判斷錯誤發(fā)生之后使用的計算機故障排除方式。計算機操作系統(tǒng)錯誤日志恢復模式，作為記錄性恢復手段適用于銀行自動提款機或打印設(shè)備，特殊設(shè)備的信息量很大，信息具有重要的實用價值，操作不可逆轉(zhuǎn)的計算機設(shè)備，需保證混滾回復前后記錄信息一致[11]。

4 常見計算機故障排除策略

常見的計算機錯誤排除策略的設(shè)計，應針對不同計算機系統(tǒng)的安裝環(huán)境、運行方式、從事的信息處理工作不同，采用相應的故障排除策略。計算機故障容錯方案的涉及私立，主要還是從廣泛而普遍應用的合理方法上進行創(chuàng)新，通過設(shè)計非定制的COTS的計算機容錯架構(gòu)，針對出可能出現(xiàn)的計算機系統(tǒng)故障，進行預防式的處理[12]。

CTOS容錯架構(gòu)采用常見的計算機系統(tǒng)故障排除軟件設(shè)計-凱美列儂架構(gòu)，保證計算機軟件的在修復錯誤時的可靠性，CTOS軟件容錯設(shè)計通過使用不同的針對性反應程序組成。針對性反應程序分為三個等級，位于最頂層的中央控制管理模塊，其作用是根據(jù)預先編程的錯誤應對策略，進行的計算機系統(tǒng)的管理。針對性反應程序的中間層是新型傳輸模塊，負責鋪設(shè)控制層與底層性信息傳輸渠道。針對性反應程序的底層是錯誤檢測程序，更具計算機系統(tǒng)的要求，實施不同的解決方案[13]。

計算系統(tǒng)容錯方案中仍存在一些，有待計算機設(shè)計人員攻克的問題。目前的硬件冗余容錯方法，雖然能夠在一定程度上提高計算機系統(tǒng)的可靠性，但耗費成本高，對整體系統(tǒng)硬件一致化的要求很高，需要使用大量的人力物力，目前是計算機硬件容錯設(shè)計方向上，難以攻克的問題。

計算機信息流榮譽容錯方法，比如：ECC算法難以在短時間內(nèi)處理大批量的錯誤信息，當錯誤信息量過大時，占用計算機系統(tǒng)計算能力，ECC信息流冗余算法就顯得捉襟見肘，所以這一計算機容錯方案需要繼續(xù)深化發(fā)展[14]。

計算機時間冗余容錯方案中，通過延長計算機信息轉(zhuǎn)換時間，得以對固站信息進行甄別，這種容錯方案的局限性在于延遲過大，難以在第一時間發(fā)現(xiàn)計算機系統(tǒng)故障，對計算機出現(xiàn)的硬件損壞問題反應速度慢。

計算機多線程故障排除方法，目前難以解決的問題有：不同計算機的中央處理的線程之間，有時會出現(xiàn)通信連接丟失，無法步進一致的問題。如何分配計算機中央處理器的運算能力，是目前計算機專業(yè)技術(shù)人員應考慮的問題。

計算機多版本軟件故障排除技術(shù)。目前只能應用在，設(shè)備規(guī)模較小，處理簡單任務量的小型機上面，同時計算機多版本軟件故障排除技術(shù)的程序制作費用高昂，投入產(chǎn)出比不平衡，目前應用于計算機故障排除技術(shù)上較少。

當下的計算機硬件故障排除與探測技術(shù)是比較完善的，軟件層面上的計算機故障排除技術(shù)有待發(fā)展，通過繼續(xù)深入研究與探索計算機軟件故障排除方案，能有效提升計算機系統(tǒng)的容錯率，同時降低軟件層面上的計算機故障排除方法的應用成本[15]。

計算機操作系統(tǒng)使管理計算機的運算設(shè)備、儲存設(shè)備的關(guān)鍵，為提升計算機操作系統(tǒng)的安全性，需要計算機從業(yè)人員進行深入研究。在高精尖技術(shù)領(lǐng)域中，國外的操作系統(tǒng)顯現(xiàn)出其局限性，不利于我國國防事業(yè)的展開。國內(nèi)的國產(chǎn)操作系統(tǒng)制作進度緩慢，應用率低。提高國產(chǎn)操作系統(tǒng)的應用能力，是我國計算機應努力的方向。

5 結(jié)論

計算機技術(shù)在生產(chǎn)生活中的應用越來越廣泛，是提升企業(yè)生產(chǎn)效率與人們生活質(zhì)量的重要科技資源。為了滿足對計算機系統(tǒng)的使用需求，需要進一步提高計算機系統(tǒng)的穩(wěn)定性與容錯率。計算機系統(tǒng)容錯率的提升有效方案，應該是集較高穩(wěn)定性、計算機故障檢測、計算機回滾恢復能力于一體的故障排除方案，同時應該兼顧故障恢復時間與故障恢復成本。只有針對計算機系統(tǒng)運行的時機情況，可能出現(xiàn)的故障進行預先的設(shè)計，才能制定合理有效的計算機故障排除方案。計算機容錯技術(shù)中仍然存在一些難以攻克的問題，需計算機行業(yè)從業(yè)人員強化專業(yè)技術(shù)，深化針對這些問題的研究，為攻克這些難關(guān)，找出行之有效的方法。

參考文獻：

[1] 富弘毅，楊學軍.大規(guī)模并行計算機系統(tǒng)硬件故障容錯技術(shù)綜述[J].計算機工程與科學，2010，10（23）：38-43+53.

[2] 胡澄宇.計算機容錯技術(shù)在非編網(wǎng)存儲系統(tǒng)中的應用[J].科技創(chuàng)業(yè)月刊，2010，11（7）：163-164.

[3] 黎珊珊.實時分布式計算機系統(tǒng)的容錯技術(shù)研究[J].計算機與數(shù)字工程，2002，6（3）：61-64+31.

[4] 徐新海，楊學軍，林宇斐，等.一種面向CPU-GPU異構(gòu)系統(tǒng)的容錯方法[J].軟件學報，2011，10（01）：2538-2552.

[5] 徐文芳，劉宏偉，舒燕君，等.三模冗余容錯系統(tǒng)管理板[J].清華大學學報（自然科學版），2011，S1（11）：1434-1439.

[6] 熊庭剛，馬中，袁由光.基于操作系統(tǒng)調(diào)用的容錯計算機系統(tǒng)同步技術(shù)研究[J].計算機研究與發(fā)展，2006，11（06）：1985-1992.

[7] 王意潔，孫偉東，周松，等云計算環(huán)境下的分布存儲關(guān)鍵技術(shù)[J].軟件學報，2012，4（9）：962-986.

[8] 張紹林，楊孟飛，劉鴻瑾，等.一種面向多核的可重構(gòu)容錯方法[J].計算機科學，2014，5（15）：59-63.

[9] 易會戰(zhàn)，王鋒，左克，等.基于內(nèi)存緩存的異步檢查點容錯技術(shù)[J].計算機研究與發(fā)展，2014，6（18）：1229-1239.

[10] 宮婧，王文君.大數(shù)據(jù)存儲中的容錯關(guān)鍵技術(shù)綜述[J].南京郵電大學學報（自然科學版），2014，4（20）：20-25.

[11] 徐奡，夏德天，鄭久壽.高升力系統(tǒng)控制計算機容錯技術(shù)研究[J].微電子學與計算機，2015，6（17）：36-40+45.

[12] 歐陽瑞雪.嵌入式計算機控制系統(tǒng)容錯策略研究[J].信息技術(shù)與信息化，2015，12（19）：113-115.

[13] 賈佳，楊學軍，李志凌.一種基于冗余線程的GPU多副本容錯技術(shù)[J].計算機研究與發(fā)展，2013，07（23）：1551-1562.

[14] 劉偉，姚玉良，宋新亮.高性能互連網(wǎng)絡鏈路容錯分析與模型研究[J].計算機與信息技術(shù)，2009，Z2（5）：13-16.

[15] 彭珺，高珺.計算機網(wǎng)絡信息安全及防護策略研究[J].計算機與數(shù)字工程，2011，1（18）：121-124+178.