一种机群容错系统、装置及方法

1.一种机群容错系统，其特征在于，包括如下功能模块：远程检查点服务器，用于响应来自故障结点的远程检查点请求，执行检查点操作；结点故障检测模块，用于监测本地结点的操作系统和指定进程的运行状态，触发远程检查点；通信系统检查点模块，用于实现通信设备的检查点，并支持通信断点恢复功能。
2、 根据权利要求1所述的机群容错系统，其特征在于，还包括下列功能 模块：并行应用进程管理器，用于为故障时检査点系统提供被监测应用的进程信 息，并管理进程恢复过程；检查点文件服务器，用于存储检查点文件，并在故障时检查点的恢复过程 中提供检查点文件访问支持。
3、 一种机群容错处理方法，其特征在于，包括下列歩骤：步骤Al.并向进程管理器在收集到所有子进程的基本信息之后，向远程 检査点服务器发送应用注册请求，所述远程检査点服务器在接收该请求之后， 根据所述注册请求中包含的进程信息，向所有相关结点的结点故障检测模块发 送结点监控请求；步骤Bl.所述远程检査点服务器收到有效的故障报告之后，启动远程检 查点过程，在所述远程检査点过程成功结束之后，所述远程检査点服务器将所 得到的检査点映像文件的位置和对应进程信息发送给所述并行进程管理器；步骤Cl.所述并行进程管理器确定进程恢复所用的结点，并向目标结点 发送恢复进程的命令。
4、 根据权利要求3所述的机群容错处理方法，其特征在于，所述步骤A1 之后，步骤B1之前，还包括下列步骤：步骤Sl.在被监测应用的运行过程中，结点故障检测模块定期主动监测所 属结点的操作系统的故障，同时接收和处理结点故障恢复请求；步骤S2.当所述结点故障检测模块探测到故障或者收到故障恢复请求时， 冻结所属结点的所有被监测的进程打开的通信端口，向预设的远程检査点服务 器发送故障报告，请求所述远程检查点服务器对指定的进程实施远程检査点。
5、 一种远程检查点切取系统，其特征在于，包括：内核符号寻址模块，用于对目标进程所在结点的操作系统的内核符号的寻址；数据缓存模块，用于数据的缓存和预取；指针模块，用于指针操作，在目标结点中数据结构的地址进行比较之前， 査询维护原地址和缓存地址对应关系的哈希表，将缓存地址全部转换为目标结 点中的原始地址后再进行比较。
6、 一种远程检査点切取方法，其特征在于，包括下列步骤： 步骤SIO，加载目标结点的操作系统符号表；步骤S20，加载目标结点的操作系统核心类型表；步骤S30，根据目标进程号査找目标进程的进程控制块，并复制到本地缓冲区中；步骤S40，创建远程检査点映像的文件头； 步骤S50，保存根目录和当前工作目录的完整路径； 步骤S60，保存目标进程的文件描述符表； 步骤S70，逐一保存目标进程已打开文件的基本信息； 步骤S80，为远程检査点映像文件加入末尾标记。
7、 根据权利要求6所述的远程检查点切取方法，其特征在于，所述步骤 40进一步包括：步骤S41，保存目标进程的基本属性；步骤S42，保存CPU的状态信息，包括通用寄存器、调试寄存器和协处 理器的状态；步骤S43,保存信号处理信息；步骤S44，保存进程的虚拟地址空间。
8、 一种远程检査点恢复系统，其特征在于，包括： 状态区分模块，用于区分目标进程的状态，以避免对寄存器的误用； 跳板模块，用于恢复完整的通用寄存器状态，使进程都以IRET指令退出核心态，从核心空间返回用户空间。
9、 一种远程检査点恢复方法，其特征在于，包括如下步骤： 步骤S10'，检查点恢复工具创建一个子进程，并开始等待其执行完成或异常退出；步骤S20'，根据检查点文件的头部信息判断其合法性；如果头部信息中标 明的操作系统不符合预期，则退出；否则，进入下一步骤； 步骤S30'，重新设置目标进程的基本属性； 步骤S40f,恢复目标进程核心栈中的CPU状态部分； 步骤S50'，恢复目标进程中信号处理的相关信息； 步骤S60'，解除宿主进程的所有虚拟存储区域的映射； 步骤S70'，加载目标进程的所有虚拟存储区域的映射； 步骤S80'，设置目标进程的虚拟地址空间描述信息； 步骤S90'，恢复目标进程的根目录和当前工作目录的路径； 步骤S100'，关闭宿主进程的各个文件； 步骤S110'，逐一恢复目标进程已打开文件的基本信息； 步骤S120'，设置目标进程的状态为可运行，使其退出远程检査点恢复过程之后可以被正常地调度执行。
10、 根据权利要求9所述的远程检査点恢复方法，其特征在于，所述步骤步骤S40'进一步包括：步骤S41'，如果检査点中的进程状态标记表明目标进程是在一系统调用失 败之后被切取，则设置目标进程的RIP和RAX使目标进程恢复运行之后，重 新执行该系统调用，否则，执行步骤S42';步骤S42'，目标进程是通过中断、异常进入核心态之后被切取，直接设置 辅助目标进程返回用户态的跳板程序的地址。
11、 一种通信系统的检査点切取方法，其特征在于，包括下列步骤： 步骤SIOO，读取通信设备文件所指向的端口状态结构； 步骤S200，向目标端口所在的网卡发送冻结指定端口的命令；步骤S300，如果已确认主机方的目标进程已经停止运行，保存用户进程能够写入的发送请求队列和各发送缓冲区，否则需要首先向目标进程发送暂停运行的远程中断；步骤S400，在通信协处理器确认目标端口己冻结之后，保存用户空间的接收缓冲区和事件队列，以及网卡上的端口控制块和所有该端口正在使用中的 发送句柄。
12、 一种通信系统的检査点恢复方法，其特征在于，包括下列步骤： 步骤S100'，端口的重建，将原端口在检查点保存的内容分别填入创建的端口的对应位置；歩骤S200'，端口的重定位。
13、 一种通信的断点恢复方法，其特征在于，包括下列步骤： 步骤l.冻结本地通信端口的收发操作；步骤2.保存已冻结端口的状态；步骤3.向其它MCP广播。
14、 一种单机故障时检査点切取方法，其特征在于，包括下列步骤： 步骤S1000，进程完整状态保存；步骤S2000，结点故障的检测；步骤S3000，远程检查点目标进程的状态检测。
15、 如权利要求14所述的单机故障时检査点切取方法，其特征在于，所述步骤SIOOO进一步包括：步骤S1001，当CPU改变运行级别时，保存各种寄存器的当前值； 步骤S1002，当一个进程需要使用浮点寄存器时，保存所述浮点寄存器的 状态；步骤S1003，保存CPU高速缓存。
16、 如权利要求14所述的单机故障时检査点切取方法，其特征在于，所 述步骤S2000进一步包括：步骤S2100，将给定的主机状态监测变量的物理地址向协处理器注册，每 隔一定时间由所述协处理器自动读取各监测变量，并与预设的阈值相比较，以 判断结点状态是否正常；步骤S2210，对时钟中断计数，通过判断用于维护操作系统己处理的时钟 中断的计数的变量在每个监测周期中是否发生与监测周期相符的变化来确定 操作系统是否正常；步骤S2220，操作系统故障计数；步骤S2230，检测操作系统严重故障代码。
17、 一种远程中断中止的进程检测方法，其特征在于，包括下列步骤： 步骤N1，査找指定进程号对应的进程控制块； 步骤N2，填写远程中断请求结构；步骤N3，若该进程所在的CPU标识等于执行远程中断服务程序的CPU 标识，则直接设置被中断进程的标志；否则，向该进程所在的CPU发送处理 器间中断；随后，该进程所在的CPU在进程调度模块中响应远程中断请求结构中注 册的请求，并在完成该请求之后更新其中的请求状态标志。

暂无