永不當機的電腦

房東：閃電俠
發表時間：2007-02-24

永不當機的電腦

科學家決定不再嘗試降低電腦當機的機率，反而把重心放在撰寫程式，讓電腦在當機時可以自行修復。撰文╱福克斯（Armando Fox），美國史丹佛大學助理教授﹔帕特森（David Patterson），加州大學柏克萊分校教授。
翻譯／鍾樹人，專事翻譯，以資訊類為主。

尋找高度可靠的運算方法

數位運算效能在過去20年中提升了一萬倍：1983年時需耗費一年才能處理完畢的數據，如今不到一小時就可解決；在那個年代的桌上型電腦所具有的處理能力，甚至還比不上今天的掌上型電腦。然而，這樣的進步是要付出代價的。隨著複雜度的提高，數位系統的運作也變得容易受阻且不可信賴。

與電腦相關的失誤比比皆是，個人電腦經常故障或是當機，網站經常從線上消失；新升級的軟體原本是為了擴充效能而設計的，但可能讓事情變得更糟。姑且不論種種的不便，電腦還會導致昂貴的開銷：不論是個人還是公司，每年花費在電腦維修與運作上的支出，都遠高於軟體與硬體的總成本。對於這個問題，如今有了新的解決方法。

我們研究小組的成員，分別來自美國史丹佛大學與加州大學柏克萊分校。我們採取一種新的方針，把電腦故障與操作者的疏失，全都視為生命中必然會發生的事實。小組的重心則是放在設計出可從故障中快速復原的系統，而不再試圖降低電腦當機的機率（這大概是不可能的任務）。這個方法就稱做「復原導向運算」（recovery-oriented computing, ROC）。
我們決定把主力放在網站軟體的改進上。這種高度動態的運算系統必須可快速演化及擴張，以因應消費者的需求與市場壓力，同時還必須服務隨時想要立刻上網的使用者。想想Google搜尋引擎的例子，它的搜尋範圍原本只包括數億個英文網頁，但短短數年之間，卻已擴大到30億個網頁，其中涵括20種以上的語言、10幾種格式，還外加圖片。值此同時，Google每日的搜尋次數也從15萬成長為1億5000萬，這個網站比一開始的時候還要忙碌1000倍。

由於網站的軟硬體必須常常升級，若是採用過去的工程技術來維持系統運作的可靠性，開支就會變得過於昂貴；因此我們預期，網際網路軟體是可以印證我們想法的大好領域，而且或許可成為其他運算系統的模型，包括桌上型與筆記型電腦。如果ROC原則可協助電腦叢林裡的大型動物，那麼或許也能幫助較小型的物種。

我們的第一步，是看看能夠從過去的錯誤中學到什麼。這是一項被證實有效的工程策略，早在鑄鐵桁架鐵路橋樑盛行的19世紀，就已經受到採用。我們尤其想問：為什麼網路系統會故障？又如何改善？有點令人驚訝的是，我們發現系統會發生問題的首要原因，竟然是操作人員的疏失。傳統用來改善軟硬體可靠性的方法，大多忽略了人為失誤的可能性，然而有許多的例子顯示，因為操作人員出差錯所導致的停機時間，要比其他原因來得更長（參見《科學人》2003年7月號〈系統故障該怪誰？〉）。

操作人員之所以面臨此種困境，可能是因為電腦設計者及程式設計師為了追求更高的效能，常常會犧牲使用上的便利。以資料庫軟體為例，就需要一組受過系統管理訓練的全職員工來管理。諷刺的是，由於軟硬體愈來愈便宜，所以現今在運作複雜的網站時，操作人員的薪資常常佔開支的最大部份。

把這些問題謹記在心之後，我們小組開始研究四項原則，用以建立「完全復原導向運算」（ROC-solid）的電腦系統。第一項原則為快速復原：問題隨時都可能發生，所以工程師所設計的系統，應該要可以快速復原。第二，供應商應該提供更好的工具，以便操作人員從多元件系統中，找出精確的錯誤來源。第三，程式設計師所建立的系統，應該支援「復原」功能，就好像文書處理軟體一樣，如此一來，操作人員才能夠修正他們的錯誤。最後，電腦科學家還必須開發出在系統內加入測試用錯誤的能力，如此才有辦法評估系統的運作狀況，並且協助訓練操作人員。我們計畫把小組所寫的ROC軟體，免費提供給電腦科學社群內的成員使用。

為了讓更多人採用我們的方法，我們也提倡開發可測試運算系統復原速度的軟體，並將它廣為流傳。這個軟體應該可測量出電腦產業在提升系統可靠性上的進步，並激勵企業朝這個目標前進。

快速復原

許多使用者經常會重新啟動他們的個人電腦，要不是因為機器運作不順而先發制人地重新開機，就是因為電腦當機而採取此種反應。重新開機對大型電腦也有效，因為系統可重新開始，並且修復許多所謂的「暫時性」故障，也就是說，這些出問題的狀況是間歇出現的。

然而，許多系統的開機過程很長，更糟的是，處理中的資料還可能因此遺失。因此我們相信，工程師在設計系統時，應設法讓開機過程簡潔。如果我們可以透視電腦，就會看到電腦同時在執行好幾個互相合作的軟體元件。以線上購物為例，有些軟體模組可讓消費者在現有的商品當中搜尋；有些允許消費者把選項加入「購物車」；還有些其他的軟體會完成採購流程。另一層次的程式則把所有的這些功能匯整在一起，確保每一部份的程式碼在必要時發揮效用，以創造出該網站的整體使用經驗。

通常，只有一部份的軟體會發生問題，不過當使用者重新開機時，執行中的所有軟體都會立刻停止運作。然而，如果每個獨立的次元件可各自獨立重新啟動，可能就不必重新啟動所有的軟體。如果某個小問題只影響到系統的少數部份，那麼只要重新啟動這些獨立的元件，可能就足以解決問題了。如果這樣做沒有效果，再將較大一部份的次元件重新初始化，也許就可解決問題。難是難在如何重新啟動單一個模組，同時不讓其他相關模組感覺不對勁。這就像要從一疊盤子中抽出最底下的一個，而不讓其他盤子傾倒一樣，雖然是困難的技巧，但卻是可達成的目標。

我們小組中的兩位史丹佛研究生，坎迪亞與卡特勒，已開始專心開發這種獨立式重新開機的技術，我們稱之為「微重開機」（micro-rebooting）。卡特勒利用現成的個人電腦，加上便宜的業餘無線電設備及試驗軟體，以低廉的花費組裝出地面接收器，然後運用這個地面站建立系統，攔截來自衛星的資料。衛星地面站經常在運作過程中發生故障，如果不安排操作人員以手動的方式讓儀器恢復運作，地面站就可能失去衛星的訊號，連帶失去來自該軌道的所有資料。

微重開機如何縮短停機時間？

有A、B、C三位網路使用者進入了某個網站。A與B正在使用次元件2；C則否。

舊方法︰
1.網站服務的所有軟體次元件都運作正確。
2.次元件2故障。使用者A與B收到錯誤訊息。操作人員不知道哪個次元件發生錯誤。
3.由於操作人員找不到發生錯誤的次元件，只好重新啟動整個系統。
4.所有的次元件都必須重新啟動，所以系統花了很長的時間才恢復。

新方法︰
1.網站服務的所有軟體次元件都運作正確。
2.次元件2故障。使用者A與B收到錯誤訊息。PinPoint程式發現問題，並推論次元件2最可能出錯，因為A與B兩人都在使用次元件2。
3.微重開機軟體查詢資料庫，發現當次元件2故障時，一般會連帶影響到次元件1，於是決定重新啟動兩者。使用者C並未受到影響。
4.由於只重新啟動了兩個次元件，所以系統恢復整體運作的速度較快。

如何用新方法回到過去，逆轉錯誤？

1.記錄時間：一位使用者寄給朋友的電子郵件中夾有病毒。電子郵件系統未偵測出病毒的存在，所以操作人員無法保護系統不受感染。但因為「復原」模組會監控並記錄流入及流出系統的所有訊息（包括受感染的訊息），所以這類問題在狀況明朗時便可獲得解決。

2.時間倒轉：操作人員得知有一種新病毒正在流竄，並懷疑伺服器可能受到感染。幸運的，受感染的訊息尚未轉寄給目標收件者。操作人員於是命令復原模組運用「復原／重做記錄」內的資料，把病毒出現後才寄達的信件通通「撤回」。操作人員隨後安裝病毒過濾器。

3.往前播放：操作人員現在指示復原模組「重做」先前被「復原」的動作，把所有的訊息重新傳送到電子郵件伺服器。然而，這一次由於病毒過濾器發揮攔截作用，所以刪除了被感染的訊息，並且發信通知該郵件的收件者。

贊助網站

廣利不動產-是新板特區唯一房仲業擁有上億價值金店面自有自營
新北市知名度最高、值得您信賴的好房仲-提供完整房訊，房屋、店面熱門精選物件及不動產投資建議。
明日黃金屋-租屋網
提供租屋廣告刊登與租屋查詢,首創街景地圖、電子地圖、租屋配對等功能，租售房屋價格公開透明化

　共 0 人回應

姓名：

佈告內容：

其他選項: