38、具备改进最坏情况保证的在线检查点技术

具备改进最坏情况保证的在线检查点技术

1. 引言

检查点技术是指存储一系列长时间计算的中间状态，这样能使系统更快地恢复到之前的状态，因为只需重新执行从最近检查点开始的计算。它是计算机科学中的一项基础技术，经典成果可追溯到上世纪七十年代，近年来在分布式、传感器网络和云架构等领域也有相关研究。

传统的检查点技术研究主要聚焦于容错，即针对可立即检测到的故障，通常只需要恢复到最近的检查点。但设置检查点可能成本较高，因为需要将整个系统状态复制到二级存储中。所以核心问题是在随机故障模型和设置检查点成本等假设下，确定设置检查点的最佳频率，以最小化设置检查点和重新计算的总时间。

而本文研究的检查点问题有所不同。当检查点的目的不是系统容错时，检查点可以存储在主内存中，这种应用场景包括数据压缩和数值计算等。在这些场景中，设置检查点的成本相对常规计算成本较小，因此存储检查点所占用的内存成为瓶颈。

Ahlroth 等人首次提出了一个独立于特定应用的框架。他们不假设会请求哪种恢复操作，只是研究如何在线设置检查点，以使检查点在计算历史中的分布始终保持平衡。他们假设系统最多能存储 k 个检查点（加上时间为 0 时的一个免费检查点），在任何时间点都可以丢弃一个旧检查点并将当前状态作为新检查点，且忽略这种更改带来的成本。他们主要使用最大间隙比作为检查点算法的差异度量，即所有当前时间 T 下，最长间隔与最短间隔（忽略最后一个间隔）的最大比率。他们展示了一个简单算法，其差异度为 2：初始时将所有检查点均匀放置，例如在时间 1 到 k 处。在偶数时间 T 时，移除一个奇数时间的检查点并将其放置在 T 处。当 T = 2k 时，所有检查点将位于偶数时间 2、4 到 2k 处，这些检查点是初始检查点的缩