1、隨著高性能計(jì)算技術(shù)與互聯(lián)網(wǎng)技術(shù)的進(jìn)一步融合,網(wǎng)格已經(jīng)從單純的高性能計(jì)算系統(tǒng)發(fā)展成為在分布式、異構(gòu)、動(dòng)態(tài)的環(huán)境下及在應(yīng)用層之上連接各類資源,并提供無(wú)縫、可靠、統(tǒng)一的服務(wù)訪問(wèn)接口,實(shí)現(xiàn)對(duì)計(jì)算機(jī)硬件、軟件、數(shù)據(jù)、存儲(chǔ)以及各類資源透明訪問(wèn)控制的一種基礎(chǔ)設(shè)施。然而,與傳統(tǒng)的分布式環(huán)境和并行計(jì)算環(huán)境相比,資源的異構(gòu)性、動(dòng)態(tài)性和通信的不確定性使得網(wǎng)格環(huán)境更為復(fù)雜,網(wǎng)格平臺(tái)較傳統(tǒng)的計(jì)算平臺(tái)有更大的出錯(cuò)概率,故障的頻繁發(fā)生已成為困繞科學(xué)家、工程技術(shù)人員和

2、網(wǎng)格用戶的主要問(wèn)題之一。如何針對(duì)網(wǎng)格系統(tǒng)的特點(diǎn),引入恰當(dāng)?shù)娜蒎e(cuò)機(jī)制,切實(shí)提高網(wǎng)格服務(wù)的動(dòng)態(tài)故障檢測(cè)和處理性能,從而保障網(wǎng)格系統(tǒng)的可靠性和穩(wěn)定性,是網(wǎng)格界的研究熱點(diǎn)和難點(diǎn)。
　　 本文基于相關(guān)研究成果的對(duì)比研究,總結(jié)了網(wǎng)格系統(tǒng)的容錯(cuò)需求,給出了一種動(dòng)態(tài)容錯(cuò)管理策略,據(jù)此提出了相應(yīng)的動(dòng)態(tài)故障檢測(cè)算法、QoS約束的故障處理服務(wù)選擇算法,并對(duì)面向用戶作業(yè)級(jí)的容錯(cuò)服務(wù)進(jìn)行了研究和實(shí)現(xiàn)。主要研究工作如下:
　　 ①針對(duì)網(wǎng)格計(jì)算的特點(diǎn)

3、,總結(jié)了網(wǎng)格系統(tǒng)特殊的容錯(cuò)需求;提出了網(wǎng)格系統(tǒng)容錯(cuò)管理策略,建立了包括故障檢測(cè)、故障處理、請(qǐng)求代理等模塊的容錯(cuò)管理架構(gòu),并給出了容錯(cuò)管理策略的運(yùn)行流程。
　　 ②針對(duì)已有故障檢測(cè)算法不能有效滿足網(wǎng)格系統(tǒng)中多個(gè)進(jìn)程間的故障檢測(cè)需求的問(wèn)題,提出了一種動(dòng)態(tài)可擴(kuò)展的網(wǎng)格故障檢測(cè)算法。根據(jù)網(wǎng)格系統(tǒng)的特點(diǎn),提出了基于小世界的網(wǎng)格系統(tǒng)架構(gòu)和動(dòng)態(tài)故障檢測(cè)模型;結(jié)合心跳策略和“小樣本”灰色預(yù)測(cè)模型,設(shè)計(jì)了一種動(dòng)態(tài)心跳機(jī)制,提出了網(wǎng)格系統(tǒng)動(dòng)態(tài)故障檢

4、測(cè)算法;在此基礎(chǔ)上,設(shè)計(jì)了層次式的故障檢測(cè)器體系結(jié)構(gòu)。從準(zhǔn)確性、完整性和可靠性等方面分析了故障檢測(cè)算法的性能。通過(guò)仿真驗(yàn)證,其實(shí)驗(yàn)結(jié)果表明該算法是正確、有效的,可用于網(wǎng)格環(huán)境下的故障檢測(cè)。
　　 ③針對(duì)網(wǎng)格系統(tǒng)檢測(cè)到故障發(fā)生時(shí),如何根據(jù)不同應(yīng)用需求選擇恰當(dāng)?shù)墓收咸幚矸?wù)問(wèn)題,提出了一種QoS約束的故障處理服務(wù)選擇算法。在分析網(wǎng)格故障處理的相關(guān)背景及需求基礎(chǔ)上,給出幾種常用故障處理技術(shù)的形式化定義,構(gòu)建了可擴(kuò)展的故障處理的QoS約

5、束模型;將基于QoS的故障處理服務(wù)選擇問(wèn)題抽象為多目標(biāo)決策問(wèn)題,建立了基于信息熵的決策方法,并據(jù)此提出了QOS約束的故障處理服務(wù)選擇算法。通過(guò)算例分析,驗(yàn)證了模型及算法的正確性和有效性。
　　 ④針對(duì)本文的故障檢測(cè)和處理研究,設(shè)計(jì)與實(shí)現(xiàn)了面向用戶作業(yè)級(jí)的容錯(cuò)管理服務(wù)。介紹了系統(tǒng)實(shí)現(xiàn)支撐平臺(tái)CGSP的整體架構(gòu)和管理流程;給出了容錯(cuò)管理服務(wù)系統(tǒng)的設(shè)計(jì)原則,并對(duì)系統(tǒng)中核心的用戶代理服務(wù)、故障檢測(cè)服務(wù)、故障處理服務(wù)進(jìn)行了設(shè)計(jì)與實(shí)現(xiàn);最后