互连网络容错体制研究.pdfVIP

200 7年全田高性能计算学术年会 互连网络容错体制研究 高剑刚姚玉良 (江南计算技术研究所无锡214083) (yaoyulan鳇yahoo．—c———o—m——．c—n) 摘要：随着互连网络设计越来越复杂、规模越来越大，在运行过程中出现故障是不可避免的．本文首 先简要地阐述了容错的基本概念，然后分析互连网络结构和数据传输的特点，在此基础上提出了互连网络 容错架构。 关键词：容错故障互连网络 Researchoffault—tolerantarchitectureforinterconnectnetwork GaoJiangangYaoyuliang Institute (JiangnanofcomputingTechnology,214083) Abstract：Withtheincreaseinthenumberof tolerantmechanismsare components，fault becoming acriticalissueinterconnectnetwork．Inthe describefaulttolerant for first design paper，we and thecharacteristicof last afault—tolerant conceptsanalysis interconnect，atprovide architectureforinterconnectnetwork． Words：fault-tolerant．interconnect Key 络容错的技术和方法。 2容错基本理论 随着并行计算机系统规模不断扩大，处 理节点从几千发展到上万个(如IBM BlueGene 对于一个系统而言，其故障来源主要 65536处理节点)，为了满足系统 的需要，互连网络的规模越来越大、速度越 有以下四个方面： 来越快，同时对网络吞吐率、延迟和可靠性 1)元器件的制造缺陷、随机缺陷、 的要求也越来越高。虽然通过各种抗干扰技 失配等因素引起的物理故障。 术和生产工艺的改进，尽量降低单个部件的 2)系统边界条件、环境、用户和 失效率，但是对于巨大的网络规模而言，每 操作员的非法使用等引起的外部环境故 个部件将失效率迭加在一起，网络整体失效 障。 率仍然很高。因此，互连网络已经成为系统 3)设计的算法、结构和需求的不 可靠性不可忽视的部分。 正确引起的设计故障。 为了提高互连网络可用性，一方面通过 4)在设计过程中没有满足设计要 各种技术手段，降低部件失效率，另一方面 求而引起的实现故障。如器件选择、设 应当允许互连网络发生故障，对互连网络故 计逻辑错、同步错、时序错等硬件错误， 障进行容错处理，保障整个计算机系统持 操作环境假设条件错等软件错误。 续、稳定的运行。对于互连网络的容错，除 系统故障可以分为两类，即硬件故 了采用