11、分布式系统中基于移动代理的最优检查点容错算法

分布式系统中基于移动代理的最优检查点容错算法

1. 引言

分布式系统拥有巨大的计算潜力，但容易受到故障的影响，这限制了其性能。为了提高系统的可靠性和可用性，人们开发了许多技术，其中基于检查点的回滚恢复是一种常见的容错方法。这种方法无需程序员额外努力，就能实现系统的容错。当系统发生故障时，它会将系统状态恢复到最近的一组一致检查点，即恢复线。

基于检查点的回滚恢复算法可分为三类：
- 协调（同步）算法
- 非协调（异步）算法
- 通信诱导检查点算法（CIC，也称为准同步算法）

本文提出了一种基于移动代理的最优检查点协议，旨在消除检查点算法不同阶段中的无用迁移，从而显著提高算法性能和减少网络流量。

2. 检查点协议

一组为每个进程设置的检查点被称为一致全局检查点状态（CGS）或恢复线。在检查点算法中，每个进程在检查点过程运行时，最多可能需要在稳定存储中存储两个检查点；否则，每个进程一个检查点就足以使系统保持一致。检查点具有一位版本号（v_no），所有进程最初都会以v_no = 0进行永久检查点。

该算法是非阻塞的，即即使检查点过程正在运行，进程也可以自由运行其应用程序。为避免孤儿消息，每个进程会在每个应用程序消息头中标记其最新检查点的v_no。当进程接收到应用程序消息时，会先比较消息的版本号（msg_v_no）和自身当前检查点的v_no。如果msg_v_no = (v_no + 1) mod 2且ckpt_state = P，则接收进程会认为发送者在发送消息之前已经进行了新的检查点，并且检查点过程正在进行中。此时，接收者会先以v_no = msg_v_no进行检查点，然后在处理消息之前将ckp