1、計算機網(wǎng)絡(luò)技術(shù)的迅猛發(fā)展，分布式系統(tǒng)應(yīng)用的不斷拓展，分布式應(yīng)用對高可靠性和可用性的要求越來越迫切。一個高可用性的系統(tǒng)要求在任何情況下服務(wù)不會被中斷并且能夠提供正確的服務(wù)，因此，分布式系統(tǒng)的容錯問題是目前分布式系統(tǒng)研究的熱點和難點，同時也是一個富有挑戰(zhàn)性的課題。由于分布式系統(tǒng)在地理區(qū)域分布的廣泛性，使得整個系統(tǒng)無法獲得一個統(tǒng)一的時鐘，而這又是直接影響分布式系統(tǒng)性能的關(guān)鍵因素，這就給分布式系統(tǒng)的容錯問題帶來了巨大的挑戰(zhàn)。本文以2008年申請

2、的山東省自然科學基金項目為背景，以分布式系統(tǒng)容錯檢查點算法作為出發(fā)點，針對豐富的檢查點設(shè)置策略和提高資源利用率和系統(tǒng)效率為目的，對分布式系統(tǒng)容錯問題和檢查點算法進行了深入的探索和研究。
　　 本文研究了分布式系統(tǒng)容錯檢查點的設(shè)置和恢復算法，容錯檢查點間隔設(shè)置的理論，方法和技術(shù)，探索將所研究的分布式容錯檢查點算法與實際的分布式容錯軟件相結(jié)合，提高分布式系統(tǒng)的可用性和算法的實用性，本文主要完成了如下工作：
　　 1.構(gòu)造分布

3、容錯系統(tǒng)的層次結(jié)構(gòu)模型并列舉了該模型的主要特點，容錯的概念和相關(guān)的定理,分析了分布式系統(tǒng)性能特性，并結(jié)合該性能提出分布式系統(tǒng)進程模型。根據(jù)進程通信模型進一步指出，分布式容錯系統(tǒng)由于時鐘自適應(yīng)特性而出現(xiàn)的檢查點通信問題，如孤兒報文、中途消息等。提出了如何消除這些非全局一致的檢查點狀態(tài)的條件和定理，給出了評價檢查點算法性能優(yōu)劣的指標，即算法的時間開銷和空間開銷。
　　 2.根據(jù)分布式容錯檢查點算法的原理，分析了同步檢查點算法的設(shè)置，

4、異步檢查點設(shè)置和消息日志檢查點算法的各自特點，深入理解了影響檢查點算法性能的瓶頸因素，即算法設(shè)計較復雜，實用性較差，時空開銷較大，對分布式系統(tǒng)性能的影響大。在此基礎(chǔ)上，參與研究了一種改進的分布式容錯檢查的算法，矩陣一致檢查點算法，該算法從容錯的基本要素即進程間通信出發(fā)，以進程間通信的數(shù)目作為設(shè)計算法的核心思想，降低了算法的時空開銷，提高了系統(tǒng)的整體性能，經(jīng)演繹推理證明和實驗驗證，該檢查點算法簡潔有效。
　　 3.通過研究檢查點算

5、法的性能瓶頸，我們發(fā)現(xiàn)檢查點間隔的設(shè)置和選取對于檢查點算法的性能同樣產(chǎn)生著重要的影響。在檢查點間隔的設(shè)置算法中，盡量減少檢查點機制所產(chǎn)生的時空開銷對提高計算效率具有重要意義。本文在已有的動態(tài)檢查點間隔設(shè)置的基礎(chǔ)上，提出了一種新的動態(tài)檢查點間隔的設(shè)置方法一隨機時間序列分析方法的Markov動態(tài)檢查點間隔設(shè)置，該算法既可以減少回滾重復計算時間，又可以降低檢查點保存進程狀態(tài)所需的存儲空間。經(jīng)Spin仿真實驗結(jié)果表明，該動態(tài)檢查點間隔算法與固定

6、檢查點算法和一般的動態(tài)檢查點算法相比，平均檢查點間隔開銷率R(t)比傳統(tǒng)方法平均減少1.019％。
　　 4.分布式容錯軟件平臺的設(shè)計技術(shù)。由于分布式系統(tǒng)的跨平臺特性，本文分別設(shè)計了Windows和Linux操作系統(tǒng)平臺下的容錯軟件模塊的設(shè)計方式，前者主要采用了Detour Windows API技術(shù)，通過在系統(tǒng)的進程中插入具有容錯功能的線程來實現(xiàn)在Windows系統(tǒng)下的容錯功能，并能根據(jù)保存的文件進行容錯的恢復。后者主要采用了