CHƯƠNG 1. Tổng Quan Về Chống Lỗi 1. Vấn đề chống lỗi cho các hệ thống song song ghép cụm Hệ thống tính toán song song phân cụm có đặc điểm là lỗi tiém tang lớn: do lỗi phần cứng, phần mềm, lỗi truyền thông trên mạng. Mỗi khi xảy ra lỗi, hệ thống phải chạy lại, và mất rất nhiều công việc đã thực hiện trước đó.
Chúng ta cần phải tìm cách tối thiểu hoá các tính toán bị mất bằng cách phải xây dựng một môi trường chuyển giao các thông điệp có khả năng chống lỗi. Hiện nay, các hệ thống này đều đang sử dụng thư viện truyền thông MPI để thực hiện các ứng dụng song song của mình. MPI là một hệ thống truyền thông điệp chuẩn. Tuy nhiên, nó không xác định được việc chống lỗi nên được thực hiện như thế nào, và ở mức nào.
Do đó, các chương trình sử dụng MPI đều thiết kế không có phần chống lỗi, mà chỉ cung cấp hai trạng thái công việc: OK hoặc FAILED. Thực tế, các lỗi có thể xảy ra ở một số mức của chương trình, và thường làm cho chương trình buộc phải huỷ bỏ. Đối với các chương trình lớn, thời gian chạy tương đối dài, việc này mất nhiều phí tổn, vì các công việc thực hiện được trước khi lỗi Xây ra đều bị mắt. Công việc cần cô gắng đạt được là làm sao có thể lây lại được trạng thái của hệ thống ngay trước khi lỗi xảy ra, và vượt được qua lỗi này.
Đối với các hệ thong lớn, có nhiều nút trạm, thi cần phải thực hiện sao cho chỉ các trạm liên quan mới phải thực hiện lại công việc của mình mà không ảnh hưởng đến các nút trạm khác. Các phương pháp dé khắc phục lỗi trong MPI một cách tự động và trong suốt với người dùng hay được sử dụng là phương pháp sử dụng một bộ điều phối trong việc tạo checkpoint hoặc phương pháp ghi lại thông điệp kết hợp với việc tạo checkpoint không có điều phối. Đã có rất nhiều nghiên cứu về giao thức, việc thực hiện, và phương pháp nhằm tối ưu hai cách tiếp cận này. High Performance Computing Center - HUT 6 Tài liệu kỹ thuật - Module chống lỗi (rr a Phuong phap điều phối các checkpoint có ưu điểm là có chi phí rất thấp trong quá trình khôi phục lỗi trong khi việc ghi lại thông điệp phải mặt thêm một sẽ đáng kẻ các thông điệp khi phục hỏi.
Tuy nhiên phương pháp sử dụng checkpoint có chỉ phí bộ nhớ cao vì mỗi khi checkpoint, toàn bộ trạng thái của tiễn trình lại được ghi vào bộ nhớ. Việc sử dụng giao thức nào phụ thuộc vào tần suất xuất hiện của lỗi. Nếu hệ thong có tần suất xuất hiện lỗi càng cao, khoảng thời gian giữa hai lần checkpoint giảm, nên sử dụng phương pháp checkpoint kết hợp với ghi lại thông điệp. Ngược lại, nếu tần suất lỗi giảm, phương pháp checkpoint có sự điều phối có thể hiệu quả hơn.
Khái niệm chung về lỗi Do lỗi gây ra tổn thất rất lớn và thường các hệ thống càng lớn thì tổn thất càng cao.Đề phát hiện được lỗi, và xa hơn nữa là tránh lỗi, và sửa lỗi, trước tiên, phải có một cái nhìn tổng quát vẻ lỗi, định nghĩa và phân loại lỗi. Lỗi, được hiểu một cách đơn giản, là một sự kiện xảy ra làm cho hệ thống hoạt động không theo cách thức mong muốn. Có nhiều cách phân loại lỗi. Ví dụ dựa vào tài nguyên thì có lỗi phần cứng, lỗi phần mềm, hay lỗi môi trường: dựa vào độ bền vững thì có lỗi cố định.
và lỗi không cô định. Sau đây là một cách phân loại Loại lỗi Mô tả Lỗi thiếu Hệ thống lỗi khi đáp ứng yêu cầu gửi đến + nhận thiểu Hệ thống lỗi khi nhận thông điệp đến + gửi thiếu Hệ thống lỗi khi gửi thông điệp Lỗi thời gian Kết quả trả về của hệ thống nằm ngoài khoảng thời gian cho phép | High Performance Computing Center - HUT 7 Tài liệu kỹ thuật ~ Module chóng lỗi Lỗi đáp ứng Đáp ứng của hệ thông không chính xác Lỗi giá trị Giá trị trả về sai Lỗi chuyển trạng thái _ | Hệ thống không theo luỗng điều khiển Lỗi ngất (crash | Hệ thông bị ngắt. trước đó vẫn chạy đúng failure) Lãi tuỳ ý Một hệ thông có thể sinh ra một đáp ứng tuỳ ý, tại một thời điểm tuỳ ý Các mô hình khôi phục lỗi Có hai mô hình khội phục lỗi cơ bản là e Khéi phuc ngwoc (Backward Recovery) Thuong duoc sit dung cho pham mém nhu chuong trinh img dung hodc hé diéu hanh. Trạng thái của các phần mềm được ghi lại định kỳ.
Khi lỗi xây ra, phần mềm được quay lai trạng thái đã được ghi trước đó. High Performance Computing Center - HUT 8 Tài liệu kỹ thuật - Module chống lỗi + Restore Recovery Checkpoint checkpoint point Fault tolerated =¬ —— —— cara Fault detection Fault : detected Hình 1-1 Mô hình khôi phục ngược e_ Khôi phục tiếp (Forward Recovery) Thường được dùng cho khôi phục phần cứng. Nếu hệ thống có lỗi. việc khôi phục lỗi sẽ được thực hiện dựa vào một phần mềm chuyên dụng đề lấy lại trạng thái của hệ thống tại thời điểm xảy ra lỗi.
+ Fault detection and handling Recovery point Fauit tolerated Hình 1-2 Mô hình chống lỗi khôi phục tiếp Một hệ thống, dù hiện đại đến mấy. được thiết kế chính xác đến bao nhiêu, thì vẫn ta không thê tránh được lỗi xảy ra. và chống lỗi. cũn maaaanaaaơơazzơơơaazơzzazơờơggzơợnzơợẵơờợờơznờờợznễễẳễễzyơơơờơơơơợờợơơớợnơơmn 9 High Performance Computing Center - HUT 2 Tài liệu kỹ thuật ~ Module chống lỗi eel chi noi duoc mét cach tuong déi.
Mot phan mém được coi là chống được lỗi. khi và chỉ khi: « Chương trình có thể cho một kết quả chấp nhận được ngay cả khi nó mặc phải một lỗi logic. © Chương trình cho kết quả chấp nhận được ngay cả khi nhận được dữ liệu làm ảnh hưởng đến hệ thống khi nó đang chạy. Vấn đề là, như thế nảo thì được gọi là “chấp nhận được”? Khái niệm này bao gồm cả một số tính chất khác như tính an toàn hay tính chính xác, và tuỳ thuộc vào từng hệ thống.
Một số hệ thông chống lỗi đã được thiết kế theo cách: quy định hành vi cho các thành phần khi có lỗi xảy ra, sao cho hệ thống vẫn chạy và cho ra kết quả chấp nhận được, hoặc họ che giấu thành phần lỗi đối với người dùng, và vẫn có thể cung cấp cho họ các dịch vụ chuẩn nhất định khi lỗi xảy ra. Có rất nhiều hệ thống chống lỗi đã được nghiên cứu và xây đựng. Tuy nhiên, việc ứng dụng của việc chống lỗi trong các hệ thống vẫn còn chưa được ứng dụng rộng rai. Giới thiệu chung về hai hướng tiếp cận chống lỗi trong hệ thống tính toán Việc dung thứ lỗi cho một tiến trình yêu câu vài bản sao tiến trình cả về thời gian và không gian: ©_ Các kĩ thuật dựa trên bản sao trong không gian lỗi bằng cách nhân bản tiễn trình để ít nhất một trong các bản sao vẫn có giá trị khi xây ra lỗi, và bằng cách cùng điều phối sự thực thi các bản sao này.
Ví dụ ta có thể dùng phương pháp tự nhân bản. s Các kĩ thuật dựa trên bản sao trong thời gian, dung thứ lỗi băng cách khôi phục các thực thi mất kiểm soát của tiến trinh lỗi. Trong suốt thời gian giải High Performance Computing Center - HUT 10 Tài liệu kỹ thuật ~ Module chống lỗi a phong lỗi. một tiến trình ghi lại các thông tin về các sự kiện nó thực hiện.Các thông tin được ghi lại này được sử dung trong suốt quá trình khôi phục để chạy lại sinh lại các thực thị đã mất.
Ví dụ ta có thê dùng sao lưu và giao thức ghi lại thông điệp _message-logging_ hay lưu anh tiến trình _checkpointing. Hai lớp kĩ thuật này đổi lại phải chỉ phi rat nhiều trong quá trình thực hiện.Các kĩ thuật dựa trên bản sao về không gian đưa ra sự tồn tại liên tục, nhưng gây ra chi phi cao lên hiệu năng của ứng dụng cho điều phối sự thực thi của các bản sao và yêu cầu sử dụng một số lượng lớn tài nguyên cần bổ sung. Mặt khác, các công nghệ dựa trên các bản sao theo thời gian chỉ gây ra chỉ phí thấp trong giải phóng lỗi và sử dụng tương đối ít tài nguyên, nhưng tốc độ khôi phục lại chậm. Việc lựa chọn theo hai kiểu này đưa ra cách dung thứ lỗi phải dựa trên yêu cầu cảu ứng dụng.
Theo tiêu chí của từng ứng dụng( các phần mềm điều khiển quỹ đạo của các vệ tinh), trong các phần mềm này chỉ một lỗi cũng có thể dẫn đến tai nạn thảm khốc, việc dung thứ các lỗi một cách tuỳ biến và cung cập thực hiện liên tục là yêu cầu cần thiết, trong trường hợp này chọn phương pháp bản sao theo không gian là hợp lí. Tuy nhiên phần lớn các ứng dụng khẩn cấp lại không theo tiêu chí này. Đối với những ứng dụng này, việc tối thiểu hoá chi phi dành cho chóng lỗi được đưa lên hàng đầu.Vì vậy, các kĩ thuật dựa trên thời gian lại thích hợp. Đối với các ứng dụng phân tán không theo tiêu chí nhiệm vụ, sử dụng mô hình yéu cau-phuc vu _client-server_, giam chi phí chống lỗi có thể sử dụng cách tiếp cận theo kiểu sao lưu.
Tuy nhiên, để khai thác tiềm năng tính toán theo cluster, các ứng dụng có tính thời gian thường theo mô hình yêu cầu-phục vụ _elient-server_ sử dụng một nhóm các tiến trình trao đổi dữ liệu theo mô hình điểm-điểm. Với kiến trúc như vậy. việc giảm chỉ phí sao lưu là giao thức phục hồi như lấy ảnh tiến trình _checkpoimting_ và ghi lại thông điệp _message- logging _. Sau đây chúng tôi sẽ mô tả các giao thức này.
High Performance Computing Center - HUT II Tài liệu kỹ thuật ~ Module chống lỗi maaannnwơơnnnzaaxnzzơơơơơợơớxxns>ssrễễrễsễ-ễ-ễẳễr-ưườơờơgnnnnnng) 1. Chống lỗi dựa vào điều phối checkpoint Là giao thức lưu ảnh tiền trình _checkpointing_, trong suốt quá trình giải phóng lỗi. theo định kì hệ thông tự động lưu trạng thái của mỗi tiến trình vào vùng bộ nhớ tin cậy sọi là một lần lưu ảnh tiến trình checkpoint. Mỗi khi một tiên trình lỗi.
một tiến trình mới- gọi là tiến trình phục hồi - được tạo ra. trạng thái của nó được khôi phục lại từ điểm ảnh tiễn trình _checkpoint_ gần nhất theo bộ đếm của tiến trình, và sự thực thi của nó được tái tạo từ trạng thái đã lưu. Chéng lỗi dựa vào phương pháp ghi lại thông điệp — Message Logging © Chống lỗi dựa vào phương pháp ghi lại thông điệp — Message Logging la phuong pháp ghi lại ảnh CheckPoint và các thông điệp mà nó phải nhận trước khi xảy ra lỗi.
