[發(fā)明專利]面向可變錯誤率的檢查點間隔實時確定方法

有效

• 申請?zhí)枺?/td>: 201410683405.X
• 申請日: 2014-11-25
• 公開（公告）號: CN104331347A
• 公開（公告）日: 2015-02-04
• 發(fā)明（設計）人: 賈文濤;張春元;李宗伯;楊乾明;羅磊;薛云剛;藍強
• 申請（專利權）人: 中國人民解放軍國防科學技術大學
• 主分類號: G06F11/14
• 分類號: G06F11/14;G06F9/44
• 代理公司: 國防科技大學專利服務中心 43202
• 代理人: 郭敏

技術領域

本發(fā)明涉及錯誤率變化時容錯處理器的檢查點間隔確定方法，特別是在錯誤率變動明顯時的檢查點間隔實時確定方法。

背景技術

軟錯誤是處理器面對的主要威脅，目前主要的容錯方式是冗余檢錯+檢查點恢復。其運行方式是應用程序以雙模冗余或雙線程的方式執(zhí)行，執(zhí)行中比較運行狀態(tài)進行檢錯，定時的備份程序狀態(tài)，檢測出錯誤后返回到已備份的檢查點重新執(zhí)行。

在檢查點系統(tǒng)中，應用通常有三個狀態(tài)：應用運行狀態(tài)、檢查點狀態(tài)和錯誤恢復狀態(tài)，容錯的過程就是應用在三個狀態(tài)中轉移的過程。檢查點系統(tǒng)的任務就是控制應用狀態(tài)的轉移。傳統(tǒng)的檢查點系統(tǒng)由檢查點控制模塊和錯誤恢復模塊組成。檢查點控制模塊的任務是：獲取應用的運行狀態(tài)信息以檢測錯誤，檢測出錯誤時喚醒檢查點控制模塊，控制應用進入檢查點和結束檢查點狀態(tài)。錯誤恢復模塊在收到檢查點控制模塊發(fā)出的“檢測到錯誤”消息時控制整個系統(tǒng)進行錯誤恢復，在錯誤恢復完成后控制應用返回應用運行狀態(tài)。

在介紹技術方案之前，先給出幾個定義：

●Tex:檢查點間隔時間，當檢查點間隔時間到達時進行檢查點的更新備份；

●Tov:更新檢查點的時間開銷；

●MTTE:(Mean?Time?To?Error):發(fā)生一次錯誤的平均時間，表征錯誤率。

以上三個參數(shù)是常量，是傳統(tǒng)檢查點系統(tǒng)的主要參數(shù)。本發(fā)明中，與之對應的參數(shù)會隨著時間發(fā)生變化，我們定義如下：

●t_i:第i次錯誤發(fā)生的時刻，t₀為系統(tǒng)開始運行的初始時間；

●t_j:第j次檢查點間隔到達的時間；

●Tex(j):第j次檢查點的間隔時間；

●Tov(j):第j次檢查點更新的開銷時間；

●MTTE(t_j):時刻t_j時的系統(tǒng)平均錯誤時間；

●p:計算系統(tǒng)平均錯誤時間的權值；

●t_sys:當前的系統(tǒng)時間；

●t_start:當前檢查點開始的時刻；

●context(j)：第j次檢查點達到時應用線程的運行狀態(tài)信息。

傳統(tǒng)檢查點系統(tǒng)的運行通常有三個步驟。

第一步，檢查點控制模塊通過系統(tǒng)時間判定當前檢查點間隔是否完成。

1.1檢查點控制模塊對整個檢查點系統(tǒng)進行初始化。包括設定檢查點間隔(傳統(tǒng)的檢查點間隔是一個固定的時間參數(shù))；設定應用初始狀態(tài)為應用運行狀態(tài)。

1.2檢查點控制模塊讀取當前的系統(tǒng)時間t_sys，并與1.1中設定的檢查點間隔對比，如果t_sys<t_start+Tex就返回1.2繼續(xù)讀取并對比，否則轉至第二步。

第二步，檢查點控制模塊檢測錯誤，并根據(jù)檢錯結果更新檢查點或進行錯誤恢復。

2.1檢查點控制模塊向應用發(fā)送“啟動檢查點”的消息。應用收到消息后立即進入檢查點狀態(tài)，并向檢查點控制模塊發(fā)送自己的運行狀態(tài)信息。

2.2檢查點控制模塊獲取應用線程的運行狀態(tài)信息，線程的運行狀態(tài)信息主要是線程控制塊，包括程序計數(shù)器、CPU寄存器、存儲器管理信息等。

2.3檢查點控制模塊比對冗余線程的運行狀態(tài)信息檢測錯誤。容錯執(zhí)行時，每個應用線程都會有一個對應的冗余線程，其執(zhí)行的程序與對應的應用線程完全相同，如果相互冗余的兩個線程狀態(tài)信息相同，則此線程無誤，執(zhí)行2.4。如果相互冗余的兩個線程狀態(tài)信息不同，則說明此線程有誤，轉至2.5。

2.4：檢查點控制模塊啟動DMA(Direct?Memory?Access)，用應用當前的檢查點狀態(tài)信息更新前一次保存的狀態(tài)信息。更新完成后檢查點控制模塊向應用發(fā)送“檢查點更新完成”消息，轉至第三步。

2.5檢查點控制模塊喚醒錯誤恢復模塊，錯誤恢復模塊給應用發(fā)送“錯誤恢復開始”消息并轉至2.6以進行錯誤恢復。

2.6：錯誤恢復模塊啟動DMA為應用恢復之前保存的檢查點狀態(tài)。恢復成功后，錯誤恢復模塊給應用發(fā)送“錯誤恢復完成”消息并轉至第三步。

第三步，檢查點控制模塊重設檢查點的開啟。

3.1:檢查點控制模塊根據(jù)應用線程的狀態(tài)判定應用是否已經(jīng)結束。如果應用結束則執(zhí)行3.2，否則轉至3.3。

3.2:檢查點控制模塊結束檢查點系統(tǒng)運行。