高性能计算机的可靠性技术现状与方向

张家芳

摘 要：现在，高性能的计算机系统的性能在不断地改善，而且其硬件的功能越来越完善，所以，提高系统运行可靠性是十分重要的。本文通过分析高性能计算机的可靠性技术，分析高性能计算机在进行硬件设计的过程中的可靠性的现状，并结合避错技术、静态冗余等技术，分析不同的可靠性技术在计算机中的实际应用，提高高性能计算机在使用过程中的可靠性。

关键词：高性能计算机；可靠性；避错；冗余

现在，高性能计算机的运行效率越来越高，而且，其处理器的数量也是越来越多，现在硬件系统的功能越来越强大，但是，随之而来的是计算机的可靠性下降，系统在使用时会发生各类故障。尤其是在大规模的高性能计算机中，由于硬件的功能多，所以，导致的故障也是多种多样的，而且，故障一旦发生后，就会导致整个系统都不能继续运行。所以，为了能够确保计算机的性能，并提高其使用的可靠性，有必要对计算机的可靠性技术进行研究。

1 高性能计算机的可靠性需求

可靠性指的是系统能够平稳运行的基础，一般是确保系统在长时间内部出现故障，而且，现在，计算机的功能越来越完善，这就导致了计算机的可靠性下降。高性能的计算机，其处理器的数量也是比较多的，处理数据的效率非常高。通过对高性能计算机使用情况的分析，可以看出，其在每个小时内都会出现不同的故障，所以，计算机在运行中都是通过重启的方式使计算机的运行恢复正常的。从计算机的芯片性能进行分析，计算机的芯片规模越来越大，导致了处理器内会发生各类故障。

2 高性能计算机可靠性技术的现状分析

在提高高性能计算机可靠性的时候，一般是使用避错技术和容错技术。避错技术能够通过完善计算机的硬件系统，防止硬件在运行过程中产生错误。容错技术是保障计算机在发生局部的故障时不影响整体的运行。容错技术还包括静态冗余和动态冗余两种，在对高性能计算机进行容错时，一般采用的是静态冗余的方式。

2.1 避错技术

避错技术主要指的是在对计算机设计的过程中，尽量能够对计算机的故障进行控制，防止故障在系统中蔓延，防止其他的零部件不能运行。按照相关的体系，计算机中的零部件的失效与其使用的环境、工作的温度等因素密切相关，所以，避错技术重点是对零部件的设计，控制好零部件运行时的温度，使零部件运行能够在良好的环境下。在实现高性能计算机稳定运行中，一般在选择零部件时都选择那些可靠性比较高的，将零部件集成使用，这样就能够减少零部件的数量，在故障处理中也是比较方便的。例如，在CEC单元中，其零部件主要包括处理器、存储器、I/O几口等，这些零部件通过集成的方式形成一个整体，就能够减少故障发生时的影响区域。

现在，高性能计算机的功能在不断地完善，所以，其会产生更大的能耗量，所以，在系统产生能耗时会产生很多热量，会导致系统发生故障，在提高计算机可靠性时，应该充分考虑到零部件使用的热环境。各类零部件在使用时，如果长时间处于运行的状态，那么，其结温就会一直增加，导致零部件的故障频发。为了能够降低零部件在使用中温度的升高，就要选择那些低热阻的装备，并且采用高效的冷却方法。例如，在数据的传输过程中，当指令也完成了发布后，这时不能够改变串行口的设计状态，由于硬件反应速度比较慢，如果强制性的改变串行口的设置状态，那么就会使一些信息丢失。所以，在实际的应用中，应该等到发送完成后，再改变串行口的状态，或者运用查询的方式分析其状态是否是可以改变的。

2.2 静态冗余

静态冗余技术能够对局部的故障进行屏蔽，使局部的故障不影响整个系统的运行。在系统发生故障的时候，运用信息冗余的方式，使故障能够在最短的时间内输出，通过对故障的补救，从而能够消除其带给系统的不良的影响。CRC校验又称为循环冗余校验，是数据通讯中常用的一种校验算法。它可以有效的判别出数据在传输过程中是否发生了错误，从而保障了传输的数据可靠性。 CRC校验有多种方式，如：CRC8、CRC16、CRC32等等。在实际使用中，我们经常使用CRC16校验。CRC16校验也有多种，如：1005多项式、1021多项式（CRC-ITU）等。在这里我们不讨论CRC算法是怎样产生的，而是重点落在几种算法的C51程序的优化上。 计算CRC校验时，最常用的计算方式有三种：查表、计算、查表+计算。一般来说，查表法最快，但是需要较大的空间存放表格；计算法最慢，但是代码最简洁、占用空间最小。

2.3 部件的冗余

部件的冗余指的是在系统的关键零部件上出现的故障，如在系统的电源和监控器上出现的故障。在使用高性能计算机时，经常出现的故障就是电源故障，这类故障会产生比较严重的后果，所以，应该采用电源冗余的方法，可以进行电源的冗余备份处理，应该从不同的电源上接收输入信号，然后在运行的情况下实现电源的转换。在对冗余时钟进行设计时，要分析中心面板上的振荡器，分为两个振荡器，一个处于工作状态，一个处于备份的状态，当一个振荡器发生故障后，时钟源就可以进行切换，使备用的振荡器派上用场。

2.4 数据通路的冗余

数据通路的冗余能够理解成对零部件的冗余，在高性能计算机使用的过程中，一般都采取了这种提高可靠性的措施，在对磁盘的路径进行设计时一般都设计了冗余路径。软件会实现很多特定的功能，为了方便程序员，引入了“模块化程序设计”，引入动态链接库（DLL），由主执行文件调用来执行某一项或几项特定功能。但在卸载时，可能会出现不能将所有DLL文件删除干净的情况，这些剩余的DLL文件就是冗余动态连接库，可以通过删除来节省硬盘空间。

2.5 信息冗余

信息冗余指的是对数据的纠错的技术，其能够在数据中增加冗余，从而减少信息在传递的过程中发生的故障，而且能够对信息的故障起到良好的屏蔽的效果。在高性能计算机的使用中，中央处理器、I/O接口等一般都采用了信息冗余的方法。

2.6 动态冗余

动态冗余指的是在计算机系统中按照功能的不同分成不同的模块，在对故障进行检查时，只需要检查每个模块的运行状况就可以直接找到故障的所在，系统能够进行及时地恢复。

3 故障的诊断与检测

故障的检测技术能够分析计算机中是否是存在故障的，而且能够对故障的位置定位。在对故障进行诊断和检测时，可以采取联机的方式，也可以在脱机的形式下进行。一般在高性能的计算机中，是采用联机检测的方法，能够对故障进行跟踪处理。在对检错码进行分析时，能够针对循环冗余中提供的校验码进行分析，从而能够自动的识别系统的故障。但是，其与纠错码还是存在一定的差异的，检错码不能够自动的将错误纠正，而且，在监视定时器使用时需要有网络连接。在对总线的故障进行分析时，需要考虑到总线控制器在交互环节中的问题。在对故障进行检测的过程中，应该先对硬件进行检测，然后分析系统的故障。

3.1 重组技术

充足时实现动态冗余的关键，是防止局部的系统故障对整个系统带来的不利影响。系统的故障分为可恢复的和不可恢复，如果检测的故障是不可恢复的，那么，系统中就会将故障的部件切换掉，运用备用的部件。而且如果发现备用的部件不足，系统就能够自动的将故障隔离，确保整个计算机系统还是可以运行的。

3.2 恢复技术

重组技术能够对那些不能恢复的故障进行处理，但是，在高性能计算机运行的过程中，还是存在一些瞬间产生的故障，这些故障能够很快解决，可以通过对系统的恢复完成。恢复能够实现对瞬间故障的诊断，瞬间故障一般都是可恢复的故障，所以这些故障能够及时地消除。在恢复技术中最常见的是重试，在对相关的步骤操作但是没有反应时，可以采用重试的方式，服务器就会采用重试的方式，对系统重新运行，重新对数据进行传输。

3.3 在线替换

这项技术能够对系统出现的故障替换，将故障置换出来，从而能够使系统恢复到之前的功能。在高性能计算机中，在线替换功能主要是英语到磁盘、电源等设备中，在单元板能够正常运行的情况下，实现服务器的一环，从而也能够使那些较为落后的功能替换，实现系统的在线升级。

4 结语

现在，高性能计算机的应用还是比较广泛的，在各类生产中得到了广泛地应用，其功能逐渐完善，但是，在多元化功能的背景下，其运行的可靠性也在下降，所以，要提高计算机的可靠性，就需要借助一些可靠性技术，促进高性能计算机的稳定运行。

参考文献：

[1] 黄永勤，金利峰，刘耀.高性能计算机的可靠性技术现状与趋势[J].计算机研究与发展.2010（04）：589-594.

[2] 王俊超，彭涛，冯光柳.曙光高性能计算机在数值预报模式中的应用[J].计算机技术与发展.2014（10）：178-181.

[3] 蒋句平，庞征斌，周兴铭.高性能计算机RAS技术现状与趋势[J].计算机工程与科学.2005（01）：80-82.

[4] 刘晓婷，贾志淳.高性能计算机中互连网络的可靠性研究[J].电子制作.2015（04）：151-152.

[5]华凌.高性能计算机是一个国家综合科技实力的体现 我国超级计算机显神威[J].电子展望与决策.2000（06）：29-30.

[6]王颖.李国杰和他的曙光高性能计算机[J].中国信息导报.2000（06）：

42-43.

[7]夏培肃.高性能计算机中的若干关键技术问题的基础性研究[J].中国基础科学.2000（04）.

[8]胡永生.加快发展高性能穷人计算机——记者胡永生对工程院院士李国杰的专访[J].计算机与农业.2002（01）：4-6.

[9]胡敏.走向高性能运算[J].中国计算机用户.2003（34）：60.

[10]丁晔，袁斌，陈晓军.未必永远跟随——中国高性能计算机发展趋势[J].每周电脑报.2003（24）：34-35.

[11]祝明发.未必永远跟随——中国高性能计算机发展趋势[J].每周电脑报.2003（40）：96.

[12]朱莹.浅谈高性能计算机的发展现状和瓶颈[J].科技情报开发与经济.2008（18）：123-125.

[13]樊建平.高性能计算机的发展现状与趋势[J].计算机教育.2004

（05）：3-5.

[14]洪文董.高性能计算机的发展与气象应用[J].计算机工程与应用.

2004（05）：32-35.

[15]段树云.高性能计算机的发展[J].泸天化科技.2003（04）：335-336.

[16]王志华.高性能计算机及其相关技术研究[J].忻州师范学院学报.

2004（05）：117-119.

[17]陈亮.高性能计算机标准开放图存[J].互联网周刊.2006（32）：16.

[18]曾宇，王洁.中国高性能计算机技术及标准现状分析[J].信息技术与标准化.2006（10）：9-12.

[19]华凌.高性能计算机是一个国家综合科技实力的体现 我国超级计算机显神威[J].电子展望与决策.2000（06）：29-30.