分析高可用性系統的硬件和軟件設計模式

N版編程面臨的另一個問題在于如何為N個獨立開發團隊提供輸入。一般情況下，將為所有的N個開發團隊提供相同的規范標準。然而，一旦規范存在缺陷，那么將得到N個獨立開發的包含類似軟件故障的版本。如果系統發布之后，規范或使用錯誤得到識別，那么每個新錯誤都需要糾正N次，即N個不同的實現都需要加以糾正，這樣維護成本就相當驚人。現在，最佳的N版編程方法是讓第一流的軟件開發團隊，利用最可靠的底層架構、軟件開發工具、技術和測試來開發出高質量的軟件版本。

校驗點恢復

與基于靜態冗余的N版編程不同，許多軟件容錯設計模式均基于動態冗余。這些設計模式均包含以下四個步驟：

1. 故障檢測

2. 損害評估與 限制(有時也稱為“防火墻處理”)

3. 故障恢復

4. 故障處理和業務繼續

步驟二中，當檢測到軟件錯誤時，一般可以采用失效保護。但軟件往往極其復雜，因此消除故障軟件導致的后果也并非輕而易舉。事務的概念是解決該問題的一個有效工具，事務是應用狀態下操作的集合，這樣事務的起始點和結束點均是應用的穩定狀態。例如，每個城市的市政廳都具有一個包含該城市所有居民信息的文件系統。當一對夫妻結婚時，他們的姓名和結婚日期都記錄在一個命名為“已婚夫妻”的文件中。另外，記載新郎從單身到已婚狀態變化的文件稱為“男性居民”；記載新娘從單身到已婚狀態變化的文件稱為“女性居民”。如果上述3個文件中的一個未能得到有效更新或者軟件在更新過程中突然崩潰，我們將不得不返回到該婚姻“事務”的起始點。否則，將只會以不穩定狀態而告終，如新郎顯示為已婚狀態，而新娘則仍然顯示為單身狀態。穩定狀態只出現在婚姻事務的起始點以及得到成功處理的結束點。

如果希望在容錯中引入事務概念，系統必須能在事務的起始點保存系統狀態，這稱為檢驗指示。檢驗指示需要在開始新事務之前迅速保存系統狀態，并且必須要求先前的事務以無差錯狀態結束。這里，一種基本的恢復策略是再執行方法：一旦事務中檢測到錯誤，事務將進行失效保護，系統將重新載入最近保存的檢驗點。這樣業務又能從檢驗點繼續執行下去，并允許在該穩定狀態上進行新的事務處理。然而，這樣將丟失進行失效保護的事務。這類故障恢復也稱為后向故障恢復，因為軟件狀態將還原到先前的一個無差錯點上。

簡單的檢驗指示本身也容易引發單點失效，因為在保存檢驗點狀態時有可能出現故障，但我們可以采用一種稱為檢驗點還原(checkpoint-rollback)的方法解決這個問題，如圖2所示。圖中，橢圓符號代表通過發送隊列消息進行通信的軟件客戶和軟件服務器。一個事務可以包含許多從客戶機發往服務器的請求消息以及從服務器發往客戶機的響應消息。在一個事務中，數據在服務器中修改。在事務的結束點，右圖所示的兩個恒定大容量存儲設備將記錄穩定的數據集和事務序列號。如果某一時刻檢測到錯誤，而服務器已被關閉，那么服務器將重啟(或啟動備用服務器)。作為啟動恢復過程的一部分，兩個大容量存儲設備還需要檢驗事務序列號。服務器數據將根據包含最高序列號的設備進行恢復。因為故障出現在設備檢驗中，因此另一大容量設備將帶有較低的序列號。

流程對設計模式

檢驗點設計模式的一個缺陷在于故障恢復時間過長。啟動或重啟服務器需要進行許多處理，才能恢復到檢驗點狀態。“熱備用”服務器與其自帶的恒定大容量存儲設備的直接協同工作可以加速恢復，該設計模式也稱為流程對(process pair)設計，如圖3所示。

圖3中，方框圖中央是一個工作原理與先前檢驗點情形非常相似的主服務器，客戶機直接與主服務器協同工作。一旦主服務器成功地完成整個事務，將傳送與新的穩定狀態相關的信息至備用服務器(右端的服務器)。主服務器和備用服務器都將在恒定大容量設備中記錄數據。這樣，備用服務器就能保存完整事務的當前信息。當主服務器準備就緒并可供客戶機使用，將向備用服務器發送常規的“心跳消息(heartbeat message)”，這些心跳消息還可以同某些檢驗點消息相結合。一旦檢測到心跳消息流終止，備用服務器就知道主服務器已關閉或無法使用，進而作為一個新的主服務器迅速接管事務。

該設計模式不僅適用于客戶機、主服務器和備用服務器均位于同一處理器或模塊上的情形，還適用于三者位于不同處理器或模塊的情形。

盡管流程對設計模式具有諸多優勢，但仍有一些問題需要解決。例如，備用服務器丟失了檢驗點消息或消息的順序不對，而且，當主服務器是物理設備的控制器并在操作中發生故障時，也會產生問題。當備用服務器接管事務時，不必知道如何完成操作，因為備用服務器并不知道主服務器失效之前究竟運行到哪一步。

需要再次重申的是，在流程對設計模式中，當主服務器失效時，仍在進行的事務將在執行中丟失或撤銷。備份服務器接管主服務器的狀態是主服務器失效前報告給備用服務器最后完成的事務的狀態。

恢復程序塊

動態軟件冗余的另一種設計模式稱為恢復程序塊。該方法基于檢驗指示，但添加了對軟件處理結果的驗收測試。設計中必須準備數據處理的替代方法(就像在N版編程中一樣)，但不必對每個事務運行所有的數據處理方法。相反，可以選擇一種數據處理方式作為主方式，并且首先只采用主方式處理事務。一旦主處理完成，即可運行驗收測試。如果驗收測試通過，則表明主數據處理方式完全有效。如果驗收測試失敗，則可如圖4所示，繼續試驗下一個替代方案。

如方框圖所示，必須在首次進入恢復程序塊之前進行檢驗指示。每次失效的驗收測試之后，軟件必須還原到檢驗點狀態。每次嘗試替代的處理方法之后，都必須進行驗收測試。這樣，需要不斷進行處理方式更迭，直到提供通過驗收測試的處理方式。這些“良好”的輸出構成了恢復程序塊的最終結果。

前向故障恢復

檢驗點恢復、流程對和恢復程序塊都是后向故障恢復方法。大多數動態軟件容錯都采用后向故障恢復方法，但前向故障恢復也是不錯的選擇。前向故障恢復的基本思想是從錯誤狀態繼續進行并通過校正清除故障。前向故障恢復基于精確的錯誤損失評估，因此通常取決于具體的系統。異常處理就是前向故障恢復的一個典型例子，當檢測到問題，該方法就發送命令至專用的異常處理軟件，而不是返回到先前某個檢驗點狀態并繼續執行下去。

替代處理是前向故障恢復的一種設計模式。當某個事務存在兩種(或更多)處理選擇時，就可以采用替代處理方法。在這兩種處理方法中，一種方法非常精確，但計算復雜；另一種方法則相對簡單并具有更高的性能。替代方法不僅可用作測試，而且當主處理方法出現故障時也可用作二級結果提供器。例如，平方根算法可作為主處理方法，而表查詢插入算法則可作為替代方法。一旦運行了平方根算法，表查詢插入算法不僅可用于測試平方根算法所得結果的質量，還能迅速校正這些結果中的錯誤。

圖5中，為了控制飛機(波音777)，同時采用了兩套數字飛行數字系統。框圖右側的決策邏輯電路將簡單飛行控制系統的輸出作為測試復雜的主飛行控制系統輸出的衡量標準。如果驗收測試失效，簡單飛行控制系統的輸出也可用作失效主輸出的替代，向左的箭頭表示替代處理的結果也可為主處理提供反饋。

上述設計模式使采用常規商業級質量的硬件和軟件為真正的高可用性系統構造程序塊成為可能，這樣的高性能系統無需人為干預，即可實現高達99.999％或更高的可靠性。