[發(fā)明專利]一種HPC間接網(wǎng)絡(luò)環(huán)境下的鏈路故障檢測方法

有效

• 申請?zhí)枺?/td>: 201810256843.6
• 申請日: 2018-03-27
• 公開（公告）號: CN108650110B
• 公開（公告）日: 2021-01-08
• 發(fā)明（設(shè)計）人: 肖利民;劉成春;楊章;田泓蘊;閆柏成;王志昊
• 申請（專利權(quán)）人: 北京航空航天大學(xué);北京應(yīng)用物理與計算數(shù)學(xué)研究所
• 主分類號: H04L12/24
• 分類號: H04L12/24;H04L12/26
• 代理公司: 北京海虹嘉誠知識產(chǎn)權(quán)代理有限公司 11129
• 代理人: 吳小燦

本發(fā)明提供一種HPC間接網(wǎng)絡(luò)環(huán)境下的鏈路故障檢測方法，應(yīng)用于HPC間接網(wǎng)絡(luò)環(huán)境下，基于鏈路延遲信息測量的鏈路故障檢測方法，通過檢測鏈路延遲信息的異常來檢測鏈路故障，能保證在較短時間內(nèi)較精準的確定網(wǎng)絡(luò)中故障鏈路。包括以下步驟：(a)查詢HPC互連網(wǎng)絡(luò)路由信息，獲得結(jié)點間通信路徑的鏈路組成；(b)結(jié)合各通信路徑的鏈路組成，確定需要進行延遲測量的關(guān)鍵通信路徑集合；(c)并行測量關(guān)鍵路徑的延遲信息，并據(jù)此信息求解出全網(wǎng)所有鏈路的延遲信息；(d)根據(jù)鏈路延遲信息判斷鏈路是否發(fā)生故障；求解網(wǎng)絡(luò)中鏈路延遲的期望值，延遲與該值存在較大偏差的鏈路即為故障鏈路。

技術(shù)領(lǐng)域：

本發(fā)明涉及一種鏈路故障檢測方法，更具體的說，尤其涉及一種高性能計算機(High Performance Computer，簡稱HPC)間接網(wǎng)絡(luò)環(huán)境下的鏈路故障檢測方法。

背景技術(shù)：

高性能計算是指采取一定的技術(shù)將大量處理單元的計算能力聚合起來以解決復(fù)雜問題的過程。高性能計算已逐漸成為解決國家經(jīng)濟建設(shè)、社會發(fā)展、科技創(chuàng)新、國家安全重大挑戰(zhàn)性問題的重要手段，是世界各國競爭的戰(zhàn)略高地。高性能計算的規(guī)模不斷增大，目前已向E 級規(guī)模邁進，如此體量的計算規(guī)模所對應(yīng)的計算機規(guī)模也是十分龐大的，以Top500排名第一的神威太湖之光高性能計算機為例，它是由40個機柜組成，每個機柜有4個超級節(jié)點，每個超級節(jié)點包括32個節(jié)點卡，每個節(jié)點卡含兩個節(jié)點，每個節(jié)點裝有1個SW26010眾核處理器，即共有40960塊處理器，各處理器之間又通過基于PCI-E3.0的神威網(wǎng)絡(luò)系統(tǒng)進行互連。如此龐大的互連網(wǎng)絡(luò)中常常有一些鏈路發(fā)生故障或者降級的，發(fā)生在這些鏈路上的數(shù)據(jù)傳輸往往效率低下。及時檢測出這一現(xiàn)象能夠幫助計算機運營人員及時解決網(wǎng)絡(luò)問題，為應(yīng)用提供更好的網(wǎng)絡(luò)通信環(huán)境。

目前通信網(wǎng)絡(luò)根據(jù)結(jié)點是否直接相連可分為直接網(wǎng)絡(luò)和間接網(wǎng)絡(luò)。直接網(wǎng)絡(luò)中，各結(jié)點直接相連，不經(jīng)過路由器、交換機等通信設(shè)備，這類網(wǎng)絡(luò)的鏈路故障檢測相對簡單，只需相鄰結(jié)點之間定時發(fā)送檢測數(shù)據(jù)，便可獲知每一條鏈路的通信特征信息。而在間接網(wǎng)絡(luò)中，結(jié)點之間通過一個專門用于數(shù)據(jù)傳輸?shù)幕ミB網(wǎng)絡(luò)相連，結(jié)點之間的數(shù)據(jù)通信往往需要經(jīng)過若干個路由設(shè)備和鏈路，由于用戶無法直接訪問到這些路由設(shè)備及傳輸鏈路，如何檢測具體哪些路由設(shè)備之間鏈路出現(xiàn)故障是一個難點。

目前鏈路故障檢測方法主要面向網(wǎng)絡(luò)規(guī)模較小、鏈路分布較為稀疏的TCP/IP互連網(wǎng)絡(luò)，往往結(jié)合一些豐富的通信協(xié)議來獲得鏈路通信特征信息，據(jù)此檢測出鏈路故障。但是在HPC 互連網(wǎng)絡(luò)環(huán)境下，出于通信效率考慮，往往沒有充足的通信協(xié)議支撐，使得這些方法往往不能直接用于檢測大規(guī)模高性能計算機互連網(wǎng)絡(luò)中鏈路故障，并且由于HPC互連網(wǎng)絡(luò)規(guī)模往往十分巨大，在該網(wǎng)絡(luò)規(guī)模下已有的鏈路故障檢測方法的時間開銷是十分巨大的。

發(fā)明內(nèi)容：

針對上述方法中所存在的問題，本發(fā)明提供一種HPC間接網(wǎng)絡(luò)環(huán)境下的鏈路故障檢測方法，應(yīng)用于HPC間接網(wǎng)絡(luò)環(huán)境下，基于鏈路延遲信息測量的鏈路故障檢測方法，通過檢測鏈路延遲信息的異常來檢測鏈路故障，能保證在較短時間內(nèi)較精準的確定網(wǎng)絡(luò)中故障鏈路。

本發(fā)明的技術(shù)方案是：

一種HPC間接網(wǎng)絡(luò)環(huán)境下的鏈路故障檢測方法，其特征在于，包括以下步驟：

(a)查詢HPC互連網(wǎng)絡(luò)路由信息，獲得結(jié)點間通信路徑的鏈路組成；HPC間接網(wǎng)絡(luò)中包含n個結(jié)點，結(jié)點集合為N，以及m條鏈路，鏈路集合為M，那么n個結(jié)點之間共有n(n-1)/2條通信路徑，通過查詢網(wǎng)絡(luò)所提供的路由查詢接口，獲得組成任意一條通信路徑L_i的鏈路集合M_i，且有

(b)結(jié)合各通信路徑的鏈路組成，確定需要進行延遲測量的關(guān)鍵通信路徑集合；將各通信路徑的鏈路組成轉(zhuǎn)化為矩陣形式，然后對矩陣進行矩陣操作，去掉冗余通信路徑，確定最終需要進行延遲測量的關(guān)鍵通信路徑集合，根據(jù)這些關(guān)鍵路徑的延遲信息求解出網(wǎng)絡(luò)中所有鏈路的延遲信息；

(c)并行測量關(guān)鍵路徑的延遲信息，并據(jù)此信息求解出全網(wǎng)所有鏈路的延遲信息；