Stochastic Models for Fault Tolerance: Restart, Rejuvenation and Checkpointing

از آنجایی که جامعه مدرن بر عملکرد بدون عیب سیستم‌های محاسباتی پیچیده متکی است، تحمل خطای سیستم به یک نیاز ضروری تبدیل شده است. بنابراین، ما به مکانیزم‌هایی نیاز داریم که خدمات صحیح را در مواردی که اجزای سیستم از کار می‌افتند، اعم از نرم‌افزار یا سخت‌افزار، تضمین کند. الگوهای افزونگی معمولاً برای افزونگی در فضا یا افزونگی در زمان استفاده می‌شوند.

کتاب ولتر روش‌های افزونگی در زمان را توضیح می‌دهد که باید در لحظه مناسب منتشر شوند. به طور خاص، او به اصطلاح به «مشکل انتخاب بازه زمانی» می‌پردازد، یعنی به مسئله انتخاب زمان مناسب برای مکانیسم‌های مختلف تحمل خطا مانند راه‌اندازی مجدد، جوان‌سازی و بازرسی. راه‌اندازی مجدد نشان‌دهنده راه‌اندازی مجدد سیستم خالص است، جوان‌سازی نشان‌دهنده راه‌اندازی مجدد محیط عملیاتی یک کار است، و چک پوینت شامل ذخیره وضعیت سیستم به صورت دوره‌ای و شروع مجدد سیستم در آخرین نقطه بازرسی در صورت خرابی سیستم است. ارائه او شامل معرفی مختصری از روش‌ها، شرح دقیق تصادفی آنها و همچنین جنبه‌های اجرای کارآمد آنها در سیستم‌های دنیای واقعی است.

این کتاب برای محققان و دانشجویان فارغ‌التحصیل در قابلیت اطمینان سیستم، مدل‌سازی تصادفی مورد هدف قرار گرفته است. و قابلیت اطمینان نرم افزار خوانندگان در اینجا یک مرور کلی به روز از نتایج کلیدی نظری پیدا خواهند کرد که این تنها متن جامع در مورد مدل های تصادفی برای مشکلات مربوط به راه اندازی مجدد است.

As modern society relies on the fault-free operation of complex computing systems, system fault-tolerance has become an indispensable requirement. Therefore, we need mechanisms that guarantee correct service in cases where system components fail, be they software or hardware elements. Redundancy patterns are commonly used, for either redundancy in space or redundancy in time.

Wolter’s book details methods of redundancy in time that need to be issued at the right moment. In particular, she addresses the so-called "timeout selection problem", i.e., the question of choosing the right time for different fault-tolerance mechanisms like restart, rejuvenation and checkpointing. Restart indicates the pure system restart, rejuvenation denotes the restart of the operating environment of a task, and checkpointing includes saving the system state periodically and reinitializing the system at the most recent checkpoint upon failure of the system. Her presentation includes a brief introduction to the methods, their detailed stochastic description, and also aspects of their efficient implementation in real-world systems.

The book is targeted at researchers and graduate students in system dependability, stochastic modeling and software reliability. Readers will find here an up-to-date overview of the key theoretical results, making this the only comprehensive text on stochastic models for restart-related problems.