资源管理系统中基于作业检查点的自动容错

摘要：

本文提出了在资源管理系统中基于作业检查点实现自动容错支持,深入分析了作业与任务检查点分离、映像文件管理、自动恢复执行等关键技术。基于BLCR在SLURM中实现了作业的自动检查点/恢复,详细介绍了实现中的关键技术难题。分析与测试表明,检查点与恢复执行功能正确,并能有效缩短大规模作业成功运行所需的时间。

关键词： 作业检查点 资源管理 自动容错 自动恢复执行

作者: 曹宏嘉 卢宇彤 谢旻

作者单位: 国防科技大学计算机学院,湖南,长沙,410073

会议类型: 国内会议

会议名称: 2009年全国理论计算机科学学术年会

会议地点: 哈尔滨

会议语种:中文

页码: 66-68,109

在线出版日期: 2009-08-07（万方平台首次上网日期，不代表论文的发表时间）