数据驱动的自适应容错技术研究

来源：计算机工程杂志2018年第12期北京时间：

作者：刘睿涛,陈左宁

单位：1.数学工程与先进计算国家重点实验室,江苏 无锡 214215; 2.国家并行计算机工程技术研究中心,北京 100190

摘要：基于系统故障数据建立层次化失效模型,有助于优化检查点,提升系统可用性水平,应对未来E级计算的可靠性挑战。以太湖之光系统为研究主体,介绍故障采集、分类与处理机制,基于实际故障数据建立细粒度失效分布模型及应用级失效模型的多层失效模型,量化应用运行环境的可靠性。以该模型为基础,分析自适应的检查点容错优化模型,为检查点优化提供理论与工程依据。以太湖之光系统为例进行检查点的容错优化分析,结果表明,数据驱动的自适应容错模型可有效降低系统检查点开销。

关键词：超级计算机,失效模型,数据驱动,自适应,容错技术

基金资助：国家重点研发计划(2016YFB0200502)