容错服务器技术介绍

1、Continuous Availability Operational Simplicity Financial Advantage The Smarter Approach to Uptime V090402 l按时间划分的故障的分类按时间划分的故障的分类 永久性故障永久性故障 permanentpermanent 永远持续下去直至修复为止永远持续下去直至修复为止 间歇性故障间歇性故障 intermittentintermittent 短暂的，但却是断续的，既有其偶然性，又有其不定短暂的，但却是断续的，既有其偶然性，又有其不定 期的重复性期的重复性 偶然性故障偶然性故障 transientt

2、ransient 暂时的，且可能是非重复性的暂时的，且可能是非重复性的 l间歇性故障和偶然性故障间歇性故障和偶然性故障 占所有现场失效的占所有现场失效的90%90% 消除其影响是容错技术研究的重点课题消除其影响是容错技术研究的重点课题 607080902000 专有容错系统专有容错系统 软件容错系统软件容错系统 硬件容错系统硬件容错系统 单机单机双机双机Cluster集群集群 所有持续可用性属于必须的 地方 任何停机时间都是不能容忍的 场合 在整个设计过程中无时不刻不为可 靠性考虑的产品 硬件级的容错 提供实测高达99.9997%的可靠性 使用标准的 intel XEON CPU 运行标准的

3、Microsoft Windows 2000 Advanced Server / Windows 2008 Enterprise Edition 不会出现软件切换 不会因为硬件故障导致应用失败 在线更换部件 International Date Corp. (IDC) AL0 - 1 Conventional Servers AL2 - 3 Business Critical AL4 Mission Critical 方案可靠性 99.999% 99.99% 99.9% 99% 独立服 务器 使用外部磁 阵的独立服 务器 简易的集 群系统 消除单点 故障的集 群系统 大型主机 一个一个IT环境

4、环境5年总费用的典型例子年总费用的典型例子 “The smallest element of the cost of running servers is actual server purchase price.” Jay Bretzmann Director of IBMs xSeries Marketing 1980 - 硬件级容错计算机系统厂商Stratus成立 1981 - 首先推出基于硬件的容错计算机系统 1988 - 建立世界上第一个提供24小时服务的远程 服务网 1990 推出世界上第一个容错的 UNIX 操作系统 - FTX 1991 - 推出 RISC 结构的 XA/R 系

5、列容错计算机 系统 1995 - 推出 RISC 结构的 Continuum 系列容错 计算机系统 1997 - 推出容错的 HP-UX 操作系统 2001 - 推出世界上第一台 Windows 2000 硬件容 错服务器 ftServer The Smarter Approach to Uptime TM INVESTCORPIntel OtherMidOcean PartnersMidOcean Partners Continuous Processing Systems 硬硬 件件 冗冗 错错 Duplex Expansion I/O 6600 Series Duplex Core I/

6、O Lockstep CPUs 锁步技术锁步技术（Lockstep Technology） 6600 参与相同计算的冗余部件保证了系统远离停机参与相同计算的冗余部件保证了系统远离停机 I/O I/O CPU CPU MEM MEM Disk Disk I/O I/O CPU CPU MEM Disk Disk MEM I/O I/OCPU Disk Disk MEM I/OCPUMEM I/OCPUMEM Disk 0100010110100 0101010101110 1011101001011 0001100011101 CA 交易丢失 选择新平台 业务延滞 故障出现故障出现故障恢复故障恢

7、复 灾难灾难恢复恢复 Clusters, Mainframes 灾难灾难预防预防 ftServer “Why choose a server designed to recover from a failure, rather than a server designed not to fail?” Vernon Turner, IDC Continuous Processing Systems 故障预防故障预防 软件可靠性软件可靠性 容错操作容错操作 透明的透明的 I/O 切换切换 完善的热插拔支持完善的热插拔支持 系统保护系统保护 错误诊断和隔离错误诊断和隔离 PCI 总线保护总线保护 驱

8、动模式驱动模式 在线诊断在线诊断 主动式维护接口主动式维护接口 兼容兼容 Microsoft WMI 驱动模式驱动模式 NT OS KERNEL HAL $100,000 计划名称Perfect PerformanceAssured Availability 事件 意外的机器硬件、系统软件或意外的机器硬件、系统软件或 操作系统故障操作系统故障 意外的机器硬件、系统软件或操作意外的机器硬件、系统软件或操作 系统故障系统故障 补偿Stratus 支付支付 $100,000 现金现金Stratus 从服务费中作出适当补偿从服务费中作出适当补偿 产品ftServer 6600 TMR 任何在任何在 A

9、ssured Availability Plus service agreement 内的内的 ftServer 可靠性指标 99.999+%（不受任何其它因素的影 响，实际统计结果为99.9997%） 99.9%99.99%（具体水平依赖于实施水平、 应用类型、数据规模、切换原因等许多不确定 因素） 系统体系结构 通过系统内部冗余部件配合先进的 锁步技术防止故障，不依赖于其它 软件。结构简单直观。 使用两套或两套以上的计算机、磁盘阵列甚至 光纤交换机等通过复杂的拓朴结构再配合以 Cluster软件来实现故障恢复。结构复杂。 硬件故障是否会导致应 用中断 不会会 硬件故障是否会带来数 据丢失

10、不会 CPU中、内存中、等待I/O的数据均有可能丢 失 典型切换时间和应用中 断时间 冗余部件锁步工作，无切换，应用 不受任何影响 几分钟几十分钟不等（具体水平依赖于实施 水平、应用类型、数据规模、切换原因等许多 不确定因素）。切换期间应用对外无法响应， 且切换完成后有可能导致性能下降 是否需要做负载均衡不需要不是必需，但不做就浪费一台机器的计算资源 操作系统映像数量单份。只需要一个许可证 双份或多份。每一份操作系统都需要一个许可 证 数据库与应用软件许可证数量单份。只需要一个许可证双份或多份。具体看应用软件的要求 应用程序有无移植要求无 需要编写应用程序的切换脚本，并应该做 严格测试以确保在不同负载下均能正常工 作。此外推荐对应用程序作修改以确保可 以正确运行在双机或多机环境中。 对数