大规模计算系统故障特征及容错机制分析

摘要：

本文围绕国内外若干大规模计算系统的运行稳定性状况展开调研：首先根据若干典型系统的故障数据,从故障模式、故障特征方面对目前实际生产性系统的稳定性进行分析;然后,在总结目前系统级容错研究思路的基础上,分析了未来更大规模计算系统容错机制的挑战及可能的解决方案。

关键词： 大规模计算系统 运行故障 容错机制 断点续算 稳定性分析

作者: 武林平 罗红兵 刘勇鹏

作者单位: 北京应用物理与计算数学研究所,北京 1O0094 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年全国高性能计算学术年会

会议地点: 长沙

会议语种:中文

页码: 237-240

在线出版日期: 2009-10-23（万方平台首次上网日期，不代表论文的发表时间）