Tiago Mazzutti Eduardo Steiner Prof. Dr. Antônio Augusto Fröhlich

Transcrição

1 UNIVERSIDADE FEDERAL DE SANTA CATARINA CENTRO TECNOLÓGICO DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA SISTEMAS OPERACIONAIS DETECÇÃO E TÉCNICAS DE RECUPERAÇÃO DE ERROS CAUSADOS POR FALHAS TRANSIENTES A NÍVEL DE S.O. Tiago Mazzutti Eduardo Steiner Prof. Dr. Antônio Augusto Fröhlich Florianópolis, novembro de 2008

2 LISTA DE FIGURAS Figura 1 Explosões solares Figura 2 Tempestade solar Figura 3 Detecção de raios cósmicos Figura 4 Mecanismo de check-point e rollback (MASUBUCHI et al., 1997)

3 LISTA DE ABREVIATURAS E SIGLAS DUE detected unrecoverable error, p. 7 FRM Fault Recovery Mecanism, p. 10 RMT Redundant Multithreading, p. 9 SDC silent data corruption, p. 7 SIS Signatured Instruction Streams, p. 9 SO Sistema Operacional, p. 8

4 SUMÁRIO 1 INTRODUÇÃO p. 4 2 RAIOS CÓSMICOS p DETECÇÃO DE RAIOS CÓSMICOS p. 5 3 SOFT ERROR p. 7 4 DETECÇÃO E RECUPERAÇÃO DE ERROS POR SOFTWARE p DETECÇÃO DE FALHAS(FAULT DETECTION) p DETECÇÃO DE FALHAS POR EXECUÇÃO REDUNDANTE p TÉCNICAS DE RECUPERAÇÃO DE ERROS(ERROR RECOVERY TECHNI- QUES) p CHECK-POINT E ROLLBACK p. 10 REFERÊNCIAS p. 11

5 4 1 INTRODUÇÃO A interferência eletromagnética é um distúrbio provocado pelos circuitos internos dos equipamentos eletro-eletrônicos (rádios, computadores, lâmpadas, etc) e também por eventos naturais (descargas atmosféricas, raios cósmicos, etc), causando uma resposta indesejada, mau funcionamento ou degradação de performance de equipamentos (PINHEIRO, 2004). A Terra recebe radiação cósmica de diferentes energias vindas do espaço, porém, a maior parte dessa radiação não chega entrar na parte habitada do planeta devido ao seu campo magnético, que reflete ou desvia para os pólos esses raios. Isso faz com que a interferência eletromagnética de radiação cósmica em aparelhos eletrônicos e computadores na terra seja extremamente rara. Porém, computadores que estejam fora desse escudo magnético tem grandes chances de sofrer interferências dessas radiações, é o caso dos satélites.

6 5 2 RAIOS CÓSMICOS Raios Cósmicos são partículas extremamente penetrantes, dotadas de alta energia, que se deslocam a velocidades próximas a da luz no espaço sideral. Portanto, raios cósmicos não são raios, mas partículas de átomos (WIKIPÉDIA, 2008b). Essas partículas podem ser de dois tipos: galáticas e solares. As partículas galáticas são originárias de explosões de supernovas, estrelas entre outras atividades cósmicas e as partículas solares vêm do Sol pelas chamadas tempestades solares. Estas tempestades consistem em erupções na superfície solar que liberam matéria acumulada (as manchas solares) no campo magnético solar. A matéria liberada nessas tempestades é o plasma quente, que são prótons, elétrons e íons, que não formaram nenhum átomo neutro e constituem, basicamente, gás eletrificado. Figura 1: Explosões solares 2.1 DETECÇÃO DE RAIOS CÓSMICOS Ao enfrentar uma tempestade magnética, ou passar por alguma zona onde haja alta intensidade de radiação (WIKIPÉDIA, 2008a), os computadores dos satélites, devem ficar em standby. A detecção de tempestades solares, na maioria das vezes é feita por monitores que estão na terra, ou pela sonda espacial SOHO (PALLONE, 2008), que atua na posição intermediária entre a Terra e o Sol e avisa com uma hora de antecedência a chegada da tempestade cósmica à Terra.

7 6 Figura 2: Tempestade solar Apesar desses modernos sistemas de detecção de raios cósmicos, os satélites não estão salvos de todas as interferências que podem acontecer nos seus computadores. Por essa razão muitas técnicas de detecção e recuperação de erros são usadas. Figura 3: Detecção de raios cósmicos

8 7 3 SOFT ERROR Em eletrônica e computação, um erro é um sinal ou dado que está errado. Erros podem ser causados por um defeito no projeto do hardware, ou por uma componente quebrada. Um soft error, também é um sinal ou dado errado, mas sua causa não é a mesma dos erros convencionais. Após se observar um soft error, não há implicação que o sistema é, de qualquer maneira, menos confiável do que antes. Se for detectado, um soft error pode ser corrigido se reescrevendo o dado certo no lugar do dado errado. Sistemas altamente confiáveis usam detecção e correção de erros em tempo de execução. Porém, em muitos sistemas, pode ser impossível se determinar o dado correto, ou mesmo descobrir a ocorrência de algum. Soft errors envolvem mudanças nos dados (os elétrons em um circuito de armazenamento, por exemplo) mas sem mudanças físicas nos circuitos. Se o dado for reescrito, o circuito estará perfeito novamente. Existem duas categorias de eventos que soft errors podem resultar: silent data corruption (SDC) ou detected unrecoverable error (DUE). Em ambos eventos há corrupção de dados, porém, no caso do DUE, há detecção do soft error, e para evitá-la, o sistema pode quebrar. Já nos eventos da categoria SDC, há corrupção de dados, mas o usuário não tem conhecimento da mesma (a não ser que o sistema quebre, devido aos dados corrompidos) (WIKIPÉDIA, 2008c).

9 8 4 DETECÇÃO E RECUPERAÇÃO DE ERROS POR SOFTWARE As técnicas para detecção de falhas transientes (transient fault) estão se tornando cada vez mais populares. Embora sistemas de tolerância a falha baseados em software degradarem a performance em relação aos implementados em hardware, esquemas desenvolvidos em software são mais baratos, flexíveis e podem ser implementados quando o hardware já estiver em uso. Uma vez que soft errors podem acontecer em dias, meses ou anos e não a todo microsegundo, o tempo de recuperação não é crítico. Assim, implementações de software para recuperação de falhas, as quais levam mais tempo que implementações em hardware, são soluções frequentemente atrativas. O nível de proteção oferecida por esquemas de software pode também ser ajustado, dependendo da aplicação em questão (MUKHERJEE, 2008). Esquemas de software para a tolerância a falhas podem ser classificados em detecção de falha (fault detection) e técnicas de recuperação de erros (error recovery techniques). Ambas podem ser implementadas em múltiplos níveis, no nível de aplicações, Sistema Operacional (SO) ou em máquinas virtuais. No nível do SO a detecção e recuperação de falhas pode ter uma maior cobertura, mas requer mudanças no SO. 4.1 DETECÇÃO DE FALHAS(FAULT DETECTION) A detecção de falhas usando software tem sido detalhadamente pesquisada. Um software checker vai basicamente checar a violação da condição de um programa, tal como ponteiros e acessos a regiões de memória não mapeadas. Existem dois tipos principais de verificadores de software (software checker): assertion checkers e signature checkers. ASSERTION CHECKERS: Tipicamente vão verificar a consistência das propriedades do programa, por exemplo, violação de acesso a memória, o que pode acontecer devido o um bug de software ou uma falha de hardware. As asserções podem ser específicas à aplicação, tal como asegurar que um determinado valor esteja dentro de certos limites. Alternativamente estas asserções podem ser genéricas, tal como asegurar que um programa não dereferencie um ponteiro para um objeto não mais existente.

10 9 SIGNATURE CHECKERS: A checagem por assinatura tipicamente tem sido usada para violações de fluxo de controle. Quando as instruções em um programa são executadas, uma assinatura é criada para o fluxo de cada grupo de instruções. Essas assinaturas são comparadas com um conjunto pre-determinado de assinaturas que são permitidas em uma execução livre de falhas. Algumas asserções podem ser inseridas pelo programador ou pelo compilador O Signatured Instruction Streams (SIS) é um exemplo de verificação por assinatura. SIS detecta falhas pela comparação de assinaturas geradas estaticamente durante a compilação com as geradas em run-time. Um assinatura é codificada como um grupo de instruções que execução em sequência DETECÇÃO DE FALHAS POR EXECUÇÃO REDUNDANTE A detecção de falhas por execução redundante é uma forma comum que já é usada a décadas. As falhas são detectadas pela comparação das saídas de cada execução redundante. Uma falha é detectada quando as saídas diferem. Dois esquemas de execução redundante comumente usados são Lockstepping e Redundant Multithreading (RMT) (MUKHERJEE, 2008). LOCKSTEPPING: Ambas as cópias tem exatamente o mesmo estado em todos os ciclos de execução. Consequentemente se uma falha acontecer em qualquer das cópias, ela será detectada pela comparação das saídas no mesmo ciclo. REDUNDANT MULTITHREADING (RMT) : Só as saídas das instruções são comparadas, portanto, os estados internos das threads podem ser muito diferentes. 4.2 TÉCNICAS DE RECUPERAÇÃO DE ERROS(ERROR RECOVERY TE- CHNIQUES) Uma vez que a falha tenha sido detectada, um esquema de recuperação de erro precisa ser disparado se o sistemas deseja reduzir a taxa DUE. Recuperação de erros pode ser implementada tanto em hardware quanto em software. Um esquema de recuperação de erros baseado em software, pode ser implementado em 3 possíveis locais: nas aplicações, no SO ou em VMs. Em nível de SO, a recuperação de erros requer mudanças no mesmo (ou em alguns device drivers), as quais podem ser de difícil realização.

11 10 Recuperação de erros no SO são bastante apelativas, por exemplo: Suponha que uma pessoa esteja rodando múltiplas aplicações, tal como um editor e um player em background, quando o sistema quebra. Quando o sistema se recuperar, é esperado que ambos o editor com mudanças não salvas e o player retornem exatamente ao ponto em que estavam. Isto requer um extensivo mechanismo de checkpoints e mechanismos de recuperação. Os sistemas operacionais comerciais ainda não estão completamente adaptados a isto CHECK-POINT E ROLLBACK No Fault Recovery Mecanism (FRM) um checkpoint é adiquirido periodicamente, onde todos os estados dos processos incluindo o contexto do processador são salvos junto com o estado do SO na memória principal. O intervalo do checkpoint deve ser curto (entre 10 e 30 msecs). A tarefa principal de adiquirir checkpoint é reescrever o dado sujo das caches do processador na memória principal. O sistema inteiro, incluindo o SO e todos os programas são objetos de recuperação, e o checkpoint é controlado pelo software do FRM. Quando um erro é detectado, o estado da memória principal sofre um roll back para para o checkpoint mais recente, e a execução continua apartir daquele ponto. Isso permite que o sistema recupere as faltas não-permanentes do hardware(masubuchi et al., 1997). Figura 4: Mecanismo de check-point e rollback (MASUBUCHI et al., 1997)

12 11 REFERÊNCIAS MASUBUCHI, Y. et al. Fault recovery mechanism for multiprocessor servers. In: Fault- Tolerant Computing, FTCS-27. Digest of Papers., Twenty-Seventh Annual International Symposium on. [S.l.: s.n.], p MUKHERJEE, Shubu. ARCHITECTURE DESIGN FOR SOFT ERRORS. [S.l.]: Morgan Kaufmann Publishers, PALLONE, Carlos Vogt; Rafael Evangelista; Simone. Raios Cósmicos. Nov Disponível em: < PINHEIRO, José Mauricio dos Santos. Interferência Eletromagnética. Mar Disponível em: < 01.php>. WIKIPÉDIA. Anomalia do Atlântico Sul. Nov Disponível em: < < WIKIPÉDIA. Soft error. Nov Disponível em: error>. WIKIPÉDIA. Raio cósmico. Nov Disponível em: <