系统可靠性分析与设计

可靠性相关基本概念

可靠性与可用性

• 系统可靠性：是系统再规定的时间内及规定的环境条件下，完成规定功能的能力，也就是系统无故障运行的概率
• 系统可用性：是指在某个给定时间点上系统能够按照需求执行的概率

• 论文一般偏向可靠性，案例一般偏向可用性
• 提高可靠性需要强调减少系统中断（故障）的次数，提高可用性需要强调减少从灾难中恢复的时间

软件可靠性与硬件可靠性的差异

软件可靠性 ≠ 硬件可靠性

• 复杂性：软件复杂性比硬件高，大部分失效来自于软件失效
• 物理退化：硬件失效主要是物理退化所致，软件不存在物理退化
• 唯一性：软件是唯一的，每个 Copy 版本都一样，而两个硬件不可能完全一样
• 版本更新周期：硬件较慢，软件较快

系统可靠性分析

可靠性指标

• 平均无故障时间（MTTF）：MTTF = 1/λ，λ 为失效率
• 平均故障修复时间（MTTR）：MTTR = 1/μ，μ 为修复率
• 平均故障间隔时间（MTBF）：MTBF = MTTR + MTTF
• 系统可用性：平均无故障时间/平均故障间隔时间 x100%，即 MTTF/(MTTR + MTTF)x100%

系统可靠性分析与设计-可靠性指标

在实际应用中，一般 MTTR 很小，所以通常认为 MTBF≈MTTF

串联系统与并联系统

系统可靠性分析与设计-串联系统与并联系统

混合系统

系统可靠性分析与设计-混合系统

系统可靠性设计

系统可靠性分析与设计-可靠性设计

处理故障的步骤

1. 故障检测
2. 故障屏蔽
3. 故障限制
4. 复执故障诊断
5. 系统重配置
6. 系统恢复
   • 前向恢复：使当前的计算继续下去，把系统恢复成连贯的正确状态，弥补当前状态的不连贯情况
     • 前向恢复适用于可预见的易定义的错误
     • 前向恢复将对一些变量的状态进行修改和处理，且这个恢复过程将由程序设计者设计
   • 后向恢复：系统恢复到前一个正确状态，继续执行
     • 后向恢复可屏蔽不可预见的错误
     • 后向恢复简单地把变量恢复到检查点的取值
7. 系统重新启动
8. 修复系统重组合

软件容错

N 版本程序设计

系统可靠性分析与设计-N版本程序设计

• 与通常软件开发过程不同的是，N 版本程序设计增加了三个新的阶段：相异成份规范评审、相异性确认、背对背测试
• N 版本程序的同步、N 版本程序之间的通信、表决算法（全等表决、非精确表决、Cosmetie 表决、一致比较问题、数据相异性）

恢复块方法

系统可靠性分析与设计-恢复块方法

• 设计时应保证实现主块和后备块之间的独立性，避免相关错误的产生，使主块和备份快之间的共性错误降低到最低程度
• 必须保证验证测试程序的正确性

N 版本程序设计与恢复块方法的区别

	恢复块方法	N 版本程序设计
硬件运行环境	单机	多机
错误检测方法	验证测试程序	表决
恢复策略	后向恢复	前向恢复
实时性	差	好

防卫式程序设计

• 对于程序中存在的错误和不一致性，通过在程序中包含错误检查代码和错误回府代码，使得一旦错误发生，程序能撤销错误状态，恢复到一个已知的正确状态中去
• 实现策略：错误检测、破坏估计、错误恢复

双机容错

系统可靠性分析与设计-双机容错

• 双机热备模式：主系统运行、备用系统停机，心跳连接
• 双机互备模式：同时提供不同的服务、心不跳则接管
• 双机双工模式：同时提供相同的服务，集群的一种

集群技术

集群系统对比高性能主机系统的优点：

• 可伸缩性
• 高可用性
• 可管理性
• 高性价比
• 高透明性