15、分布式系统的服务质量自配置故障检测器

分布式系统的服务质量自配置故障检测器

1. 背景与动机

在现代企业信息技术基础设施中，确保不同硬件和软件组件能够为具有不同服务质量（QoS）要求的应用程序提供高可用性、安全性和可扩展的服务至关重要。为了满足这些要求，这些基础设施需要快速响应和恢复机制，特别是在系统组件发生故障时。在这种情况下，故障检测器对于监控故障至关重要，使得恢复过程能够被触发。

传统的分布式系统故障检测方法不支持通过QoS指标来自我配置故障检测器。然而，当计算环境特征未知且可能发生变化时，自我配置是保证响应时间和可用性之间良好平衡的基本能力。自我配置能力需要对分布式系统的动态行为进行建模，当计算环境可能发生改变时，这是一个巨大的挑战。

2. 系统模型和服务质量指标

2.1 分布式系统模型

我们考虑一个由有限集合 (\Pi={p_1, p_2,\ldots, p_n}) 的进程组成的分布式系统，这些进程通过不可靠的通道相互连接，在接收进程中会丢弃被篡改的消息，消息可能会丢失。没有假设消息传输延迟和处理时间的上限。也就是说，假设了一个异步分布式系统。进程可能会因为提前停止功能而失败（崩溃故障模型）。不考虑拜占庭故障。

2.2 服务质量指标

为了评估故障检测器的性能，我们使用了以下QoS指标：

• 检测时间 (T_D) ：被监控进程 (p_j) 崩溃与监控进程 (p_i) 怀疑永久性错误之间的时间间隔。
• 错误持续时间 (T_M) ：错误持续的时长。
• 错误复