Web应用服务器自适应配置框架的设计与实现

以Web应用服务器为代表的分布式组件中间件系统(如EJB，CORBA，.NET)已发展为Web计算环境中的主要基础软件。中间件系统通过屏蔽底层平台的异构性，提供大量应用所需要的服务(如事务、安全等)，极大地简化了大规模复杂分布式系统的开发；另外，通过定义良好的组件模型，大量COTS组件能部署到任何与标准兼容的中间件平台实现上，提高了软件复用的程度。 中间件在支持应用的功能性需求方面虽然取得了较好的效果，然而在非功能性支持方面，中间件尚处于“尽力而为”的阶段，缺乏相应的服务质量保障机制，难以满足复杂多变的计算环境的要求。性能是应用系统一种非常关键的非功能特征，基于组件的应用，其性能不但受到应用设计的影响，同时受到应用所部署的中间件系统的影响，而这种影响很大程度上是中间件资源参数配置引起的（下文中如无明确说明，资源配置简称为配置）。目前大部分中间件系统只支持静态配置方式，必须通过反复地试运行来确定手工配置的参数是否能够满足应用的性能需求，该方式效率低下，而且对管理人员的要求很高；同时，对于诸如e-commerce之类的计算环境，负载始终处于高动态变化之中，静态配置方式也难以适应这种负载变化。针对上述问题，本文以EJB中间件为目标平台，提出了一种基于性能模型的自适应配置框架，能够在系统负载变化的情况下，自适应地调整中间件配置参数，更好地满足应用的性能需求。 首先，本文研究了自适应配置框架的总体架构。该框架的核心是一个基于分层排队网络的性能模型，它能够预测在给定中间件配置和负载下的性能度量。在配置决定过程中，性能模型用于评估不同候选配置，指导搜索最优的配置，从而提高性能保障的准确性和有效性。 其次，本文研究了基于分层排队网络模型的EJB性能建模技术。通过分析不同类型组件容器的请求处理行为，我们为不同类型组件建立性能模板。通过基于模型分解/组合的建模方法和模版实例化构建整个EJB应用的完整性能模型。 最后，本文描述了自适应配置框架在OnceAS2.0应用服务器上的原型实现，以及相关实验对该框架有效性的验证。

针对瞬时故障的控制流容错技术研究

随着微电子器件复杂度的提高，空间辐射对于计算机程序的正确性影响正越来越明显。一般情况下，这些影响并不是永久的，而是瞬时故障。无论是太空中的信息处理系统、嵌入式实时控制系统，还是计算机集群、高性能超级计算机都可能由于错误的输出而导致灾难性的后果。 传统的可靠性系统采用抗辐射部件和冗余的硬件来达到可靠性的要求，但是其价格昂贵，性能落后于今天的商用部件（COTS）。针对COTS在容错能力上存在的不足，软件容错技术可以在不改变硬件结构的情况下，有效的提高计算机系统的可靠性。 瞬时故障在软件层面上主要表现为控制流错误和数据流错误，本文主要针对控制流错误进行容错处理。软件实现的控制流容错技术通过在编译时加入冗余的容错逻辑，在程序执行时进行控制流错误的检测和处理。 如何在保证容错能力的同时，尽量降低冗余逻辑所带来的系统开销，是控制流容错需要解决的主要问题。本文从控制流错误的基本概念，容错单元的选择，签名信息的建立，签名点和检测点的插入位置几个角度对控制流容错进行研究，主要内容有： 1．对常见的控制流容错方法进行了分析比较，对其优点和不足予以说明。 2．对控制流错误进行了分类，以此为基础，提出了基于相关前驱基本块的控制流容错方法（CFCLRB）。 3．提出了一种签名流模型，提出了基于签名流模型的控制流容错方法（CFCSF）。该方法能够对基本块间控制流错误进行检测，具有较低的时间开销、空间开销和较高的错误覆盖率。同时，该方法可以根据容错尺度的要求，灵活的插入和删除签名点与检测点，具有极强的扩展性。该方法还可以应对动态函数指针这种编译时难以确定的控制流情况。 4．基于汇编指令对上述方法予以实现，并实现了国际上常用的控制流容错方法Control Flow Checking by Software Signatures（CFCSS）和Control-flow Error Detection through Assertions（CEDA）做为对比。通过加入冗余的指令逻辑，完成了对原程序的容错功能。 5．基于PIN工具实现了对控制流错误的注入，在相同的实验环境下对CFCLRB ，CFCSF，CFCSS，CEDA进行了对比实验。实验表明, CFCLRB的时间开销为26.9%，空间开销为27.6%，相比不具容错能力的原程序，其错误覆盖率从66.50%提升到97.32%。CFCSF的时间开销为14.7%，空间开销为22.1%，相比不具容错能力的原程序，其错误覆盖率从66.50%提升到96.79%。相比CFCSS，该方法的时间开销从37.2%下降到14.7%，空间开销从31.2%下降到22.1%，错误覆盖率从95.16%提升到96.79%。相比CEDA，该方法的时间开销从26.9%下降到14.7%，空间开销从27.1%下降到22.1%，错误覆盖率仅从97.39%下降到96.79%。 最后，本文对控制流容错的未来研究方向进行了展望。