隨著計算機技術的發(fā)展，計算機系統(tǒng)的可靠性越來越受到人們的重視，而容錯技術是提高可靠性的一種有效方法。本文研究了計算機容錯技術的各種方法，如硬件容錯、信息容錯、軟件容錯等，介紹了TMR(三模冗余)的原理及其缺點，詳細研究了兩種最基本的軟件容錯技術NVP和RB。這些容錯技術可有效提高計算機系統(tǒng)的可靠性。

　　計算機的應用十分廣泛，航空航天、軍事、銀行監(jiān)管系統(tǒng)、交通運輸系統(tǒng)以及其他重要的工業(yè)領域對計算機的可靠性要求非常高。計算機系統(tǒng)出現(xiàn)故障不僅會導致國家財產(chǎn)的嚴重損失，還會危及人身安全。因此，在這些領域中計算機的可靠性越來越受到人們的重視，國家非常重視可靠性的研究工作，投入了大量的資源。

　　1 基本容錯技術

　　一般而言，提高計算機的可靠性有兩種比較有效的方法。一種是避錯，就是避免出現(xiàn)故障，這就需要嚴格篩選計算機元器件，完善設計，提高制造工藝，以及加強質量管理等。但即使是這樣一個計算機系統(tǒng)，由于其所在的工作環(huán)境有各種環(huán)境應力，如濕度、溫度、電磁干擾、強震動等，因此總避免不了出現(xiàn)故障。這就要求在計算機出現(xiàn)故障的情況下容忍故障的存在，即第二種方法--容錯技術。容錯技術最早由約翰·馮·諾依曼(John VON Neumann)提出，所謂容錯是指在出現(xiàn)一個或者幾個硬件或軟件方面的故障或錯誤的情況下，計算機系統(tǒng)能夠檢測出故障的存在并采取措施容忍故障，不影響正常工作，或者在能夠完成規(guī)定的任務的情況下降級運行[1]。

　　故障是指由于部件的物理失效、環(huán)境應力的作用、操作錯誤或不正確的設計，引起系統(tǒng)的硬件或軟件的錯誤狀態(tài)[2]。下面介紹幾種相關技術的基本概念。

　　故障檢錯技術：對于計算機系統(tǒng)的容錯首先要用到故障檢錯技術，即在計算機系統(tǒng)發(fā)生故障的情況下能夠檢測出故障的存在。

　　故障診斷技術： 檢測出系統(tǒng)存在故障后要進行故障的定位，找出故障所在的位置。

　　故障恢復技術： 在檢測出故障和定位故障的所在位置之后，就要運用故障恢復技術把系統(tǒng)從故障的狀態(tài)恢復到無故障的狀態(tài)繼續(xù)運行。

　　容錯最基本的的方法是冗余技術，所謂冗余就是超過系統(tǒng)實現(xiàn)正常功能的額外資源。冗余包括硬件冗余、軟件冗余、時間冗余和信息冗余。

　　1.1 硬件容錯技術

　　硬件冗余又包括靜態(tài)硬件冗余(也叫被動硬件冗余)、動態(tài)硬件冗余(也叫主動硬件冗余)和混合冗余(靜態(tài)冗余和動態(tài)冗余的結合)。靜態(tài)硬件冗余常見的形式有三模冗余(TMR)，其基本原理是：系統(tǒng)輸入通過3個功能相同的模塊，產(chǎn)生的3個結果送到多數(shù)表決器進行表決，即三中取二的原則，如果模塊中有一個出錯，而另外兩個模塊正常，則表決器的輸出正確，從而可以屏蔽一個故障，TMR的缺點是，如果3個模塊的輸出各不相同，則無法進行多數(shù)表決;若有兩個模塊出現(xiàn)一致的故障，則表決的結果會出現(xiàn)錯誤。TMR結構如圖1所示。

　　圖1 TMR結構圖

　　三模冗余可推廣到N模冗余(NMR)，其基本原理與TMR的原理相同，其中N≥3，且N為奇數(shù)，以便進行多數(shù)表決。動態(tài)冗余是指當檢測到工作的模塊出現(xiàn)錯誤時，就切換到一個備用的模塊，當換上的備用模塊又發(fā)生故障時，再切換到另一個備用模塊，依次類推，直到備用的模塊用完。

　　1.2 時間容錯技術

　　時間容錯的基本思想是：重復執(zhí)行指令或者一段程序來消除故障的影響，以達到容錯的效果，它是用消耗時間來換取容錯的目的。根據(jù)執(zhí)行的是一條指令還是一段程序，分成兩種方法：

　　一種是指令復執(zhí)。當檢測出故障的時候，重復執(zhí)行故障指令，若故障是瞬時的，則在指令復執(zhí)期間可能不會出現(xiàn)，程序就可以繼續(xù)向前運行。指令復執(zhí)必須保留上一指令結束的“現(xiàn)場”，包括累加器、PC及其他狀態(tài)寄存器的狀態(tài)。

　　另一種是程序卷回。它不是重復執(zhí)行一條指令，而是重復執(zhí)行一小段程序。在整段程序中可以設置多個恢復點，程序有錯誤的情況下可以從一個個恢復點處開始重復執(zhí)行程序。首先檢驗一小段程序的計算結果，若結果出現(xiàn)錯誤則卷回再重復執(zhí)行那個部分，若一次卷回不能解決，可以多次卷回，直到故障消除。

　　1.3 信息容錯技術

　　信息容錯技術是通過在數(shù)據(jù)中附加冗余的信息位來達到故障檢測和容錯的目的。通常情況下，附加的信息位越多，其檢錯糾錯的能力就越強，但是這同時也增加了復雜度和難度。信息冗余最常見的有檢錯碼和糾錯碼。檢錯碼只能檢查出錯誤的存在，不能改正錯誤，而糾錯碼能檢查出錯誤并能糾正錯誤。常用的檢錯糾錯碼有奇偶校驗碼、海明碼、循環(huán)碼等。

　　1.4 軟件容錯技術

　　由于硬件系統(tǒng)的故障主要來自生產(chǎn)和使用階段，因此容錯可以通過相同部件的重復，即相同資源的累積設置來實現(xiàn);而軟件故障主要來自說明、設計和實現(xiàn)階段，因此程序的簡單重復不能實現(xiàn)容錯，它只能防止硬件損壞或者環(huán)境干擾等引起的物理性故障，而不能防止軟件本身缺陷造成的故障。實現(xiàn)軟件容錯的基本方法，是將若干個根據(jù)同一需求說明編寫的不同程序(即多版本程序)，在不同空間同時運行，然后在每一個設置點通過表決或接收測試進行表決。

　　最基本的軟件容錯技術是Algirdas Avizienis提出的基于靜態(tài)冗余的N版本編程方法和B. Randell提出的基于動態(tài)冗余的恢復塊技術。

　　1.4.1 軟件的相異性設計

　　對于軟件容錯，考慮的重點是軟件設計的相異性和版本的獨立性。軟件的相異性設計是為了防止由于軟件發(fā)生共性故障而采用的一種設計方法。軟件設計時的共性越小，出現(xiàn)相同故障的概率也就越小，容錯性能就越強。

　　相異性設計要求，對于同一需求說明的軟件功能，不同的研發(fā)設計人員及不同的研發(fā)設計小組對于這同一功能的軟件設計禁止談論和溝通，在不同的環(huán)境空間中獨立進行設計;另外，還要求軟件設計的多樣性，如采取不同的設計方法、開發(fā)工具、編程語言、編譯器、算法等。在航空航天、核電站控制以及鐵路交通的控制等對軟件的可靠性要求很高的場合，軟件的相異性設計可以有效提高軟件的容錯能力和軟件的可靠性，對提高整個系統(tǒng)的可靠性有很重要的作用。

　　1.4.2 軟件容錯的基本結構

　　軟件容錯的基本結構有兩種：

　　一種是NVP(NVersion Programming)結構(多版本編程設計)，這種結構方法是Algirdas Avizienis于1977年在參考文獻[6]中提出的，它是一種靜態(tài)冗余方法，其基本的設計思想是用N個具有同一功能而采用不同編程方法的程序執(zhí)行一項運算，其結果通過多數(shù)表決器輸出。NVP系統(tǒng)中的多版本是指根據(jù)同一需求說明由不同的設計人員或由不同的設計方法、開發(fā)工具、編程語言等開發(fā)的具有同一功能的軟件版本，即所謂的版本設計的相異性。這種容錯結構方法有效避免了由于軟件共性故障所造成的系統(tǒng)出錯，提高了軟件的可靠性。NNP結構如圖2所示。

?

　　圖2 NVP結構

　　另一種是RB(Recovery Block，恢復快結構)，它是Randell于1975年在參考文獻[7]中提出的一種的軟件容錯技術，它是一種動態(tài)冗余方法。在RB結構中，有主程序塊和一些備用程序塊構，這里的主程序塊和備用程序塊采用不同編程方法但具有相同的功能。每個主程序塊都可以用一個根據(jù)同一需求說明設計的備用程序塊替換。首先運行主程序塊，然后進行接收測試，如果測試通過則將結果輸出給后續(xù)程序，否則調用第一個備用塊，依次類推，在N個備用程序塊替換完后仍沒有通過測試，則要進行故障處理。RB結構如圖3所示。

?

　　圖3 RB結構

　　其他的軟件容錯結構都是基于這兩個基本結構而來的，例如NVPP(多版本階段程序設計),它要求程序的版本運行分多個階段進行，而且每個階段運行的程序都包括適當?shù)陌姹緮?shù)量。運行一個階段后，要通過表決程序來對這一階段運行的程序進行表決，如果得到正確的結果就結束運行，否則繼續(xù)下一個階段版本的運行，直到得出正確的結果。

　　NVP和RB這兩種基本結構在軟件容錯中用得最廣泛，占據(jù)很重要的地位。這里要注意的是，驗證表決程序的可靠性以及表決結果的正確性是個難點，因為如果表決程序本身就是錯誤的，那表決的結果就不可信了，所以要用正確性證明技術來保證表決程序的正確。

　　2 結論

　　本文詳細介紹了計算機容錯的各種方法，包括硬件容錯、時間容錯、信息容錯以及軟件容錯等，這些容錯方法在其他工業(yè)場合有廣泛的應用，現(xiàn)在很多工業(yè)系統(tǒng)都是采用基于三模冗余的容錯技術來提高系統(tǒng)的可靠性。對于其他要求可靠性高的場合，計算機容錯技術的方法有著良好的應用前景。