硬件中冗余探错的研究.docVIP

硬件中冗余探错的研究 　　 摘要:本文深入分析和总结了计算机系统中针对硬件错误的传统冗余探错技术的各种思想,对于解决不同问题的各类方法进行了剖析,给出了一些研究热点上最新的研究进展与技术,最后在深入研究硬件中冗余探错方法的基础上提出了目前已有技术还存在的一些亟待解决的关键问题,对于进一步提高硬件可靠性打下了坚实的基础。 　　 关键词:探错;冗余;可靠性 　　 中图分类号:TP303文献标识码:A文章编号:1007-9599 (2010) 11-0000-02 　　 Fault-tolerant Technology for Computer Systems 　　 Dong Congyong 　　 (HFUT,Institute of Architectural Design,Hefei230009,China) 　　 Abstract:This paper analyzes and summarizes various ideas on the redundancy methods of fault-detection technology in hardware,and anatomy these methods for different problems.What’s more,the latest research progress and the technology development are also given.Finally,based on the depth analysis of those fault-detection methods for hardware,some critically questions of existed fault-detection technologies are raised,one solid foundation for the further increasing hardware reliability is created. 　　 Keywords:Fault-detection;Redundancy;Reliability 　　 一、引言 　　 在一些高可靠性的应用场合,如航空航天、国防军事、核能电力、工业化工、卫生医疗急救等关系国家人民生命财产安全的关键部门,一次计算机系统错误的发生就可能导致不可挽回的巨大损失,在这些关键系统的设计中必须采用大量的探错技术来保证运行中突发的计算机错误能够被及时发现和处理,硬件系统作为工作的具体执行底层对于可靠性的需求更是重中之重。 　　 随着集成电路工艺的突飞猛进,硬件系统中处理器的故障率已经成为系统错误的第一大源头[1]。硬件可靠性对于整个系统可靠性有着举足轻重的地位,本文旨在对目前已存在的各种冗余探错方法及技术的研究现状进行比较全面的综合分析,以期为进一步构造高可靠系统打下坚实的理论基础。 　　 二、硬件错误的探错方法 　　 硬件错误可分为永久性错误(permanent fault)、瞬态错误(transient fault)和间歇性错误(intermittent fault)三大类。永久性错误一般由硬件物理损毁产生,一旦发生则必须通过替换元器件来完成恢复;间歇性错误则是处于永久性错误和瞬态错误两种情况之间的错误,具体表现为瞬态错误的发生频率超过系统可靠性允许阈值范围;瞬态错误在目前的硬件环境及未来元器件继 　　 续高度集成的发展趋势下正以几何级数的速度增长,其错误数在整个系统错误总数中占最大的比重,对整个系统的可靠性影响度也是最大的。 　　 冗余方法被广泛用来探测、诊断并恢复硬件错误。按照冗余资源的形式不同可以将冗余方法分为硬件冗余,时间冗余,线程冗余等。 　　 (一)硬件冗余 　　 硬件冗余按照冗余程度不同可以分为部分冗余(例如CPU冗余)和完全系统冗余两类,对于完全系统冗余(以双系统为例)按照工作方式不同可分为:冷备、温备、热备以及双工四种。 　　 对于故障导向安全性和实时性要求较高的系统,双系统双工是首选的工作方式。此外,双系统中应该规定值班主设备,例如遇到双工结果都正确的前提下,就由值班机负责输出。 　　 在一些对可靠性要求特别高的地方经常采用N模块冗余结构(N3)。 　　 其是将关键部件分别由功能上相同的N个模块分别独立完成,并经判断输出。但由于各个单元接收信息以及运行时间上的差异,其输出结果存在一定的延迟。 　　 目前硬件冗余技术中,基于动态可重构现场可编程门阵列FPGAs方法已经成为当前研究热点,根据抽象层次的不同可以分为两层:硬件层Device-Level(DL)和配置层Configuration-Level(CL)。其中DL方法的目标是在包含错误