falhas em sistemas distribuídos

Transcrição

1 Tolerância a Falhas

2 falhas em sistemas distribuídos Lamport: A distributed system is a system where I can t get any work done if a machine I ve never heard of crashes. sistemas distribuídos e falhas parciais tolerância a falhas

3 Erros, falhas, etc problemas inevitáveis: falhas (faults) máquinas quebradas, desconexões, erros no software erros (failures) -> consequências dessas falhas nomenclaturas variam mas temos que manter consistente a idéia de tolerância a falhas tolerância a falhas: evitar que falhas se transformem em erros classificação de falhas

4 Tipos de falhas modelos baseados em comportamento de servidores omissão temporização falhas arbitrárias ou bizantinas

5 falhas de omissão fail-stop processo cai e isso é detectável por parceiros crash processo cai e parceiros podem não detectar omissão relação com tempo de comunicação processo envia mensagem mas ela não é recebida do outro lado

6 falhas de temporização relacionadas com restrições temporais: relógio físico tem desvio superior ao permitido transmissão de mensagem demora tempo demais... relação com modelos síncronos

7 falhas arbitrárias respostas podem ocorrer ou não conteúdo pode ser correto ou não difícil detecção! também chamadas de falhas bizantinas

8 Tolerância a falhas & dependabilidade uso de tolerância a falhas por vezes considerado enganador dependabilidade: idéia de que se pode confiar no sistema (apesar de possíveis erros)

9 Dependabilidade - atributos Confiabilidade (reliability) capacidade de atender a especificação, dentro de condições definidas, durante certo período de funcionamento e condicionado a estar operacional no início do período Disponibilidade (availability) probabilidade do sistema estar operacional num instante de tempo determinado; alternância de períodos de funcionamento e reparo Segurança (safety) probabilidade do sistema ou estar operacional e executar sua função corretamente ou descontinuar suas funções de forma a não provocar dano a outros sistema ou pessoas que dele dependam Segurança (security) proteção contra falhas maliciosas, visando privacidade, autenticidade, integridade e irrepudiabilidade dos dados

10 confiabilidade e disponibilidade garantia de funcionamento a partir de certas condições confiabilidade intervalos para reparo - disponibilidade medidas relacionadas: MTTR tempo médio de reparo MTBF tempo médio entre falhas

11 Técnicas de Dependabilidade detecção da falha..., localização, confinamento reconfiguração recuperação de erro ou mascaramento

12 recuperação passa o sistema para um estado correto forward recovery backward recovery relação com logging e checkpoints

13 recuperação de falhas com checkpoints processos gravam infos de estado de tempos em tempos para poderem recuperar estado X gravação em log estável ou em réplicas mensagens enviadas ou recebidas globais em alguns casos pilha completa captura de estado de execução

14 captura de estado diferentes aplicações tolerância a falhas, persistência, migração o que é realmente importante capturar? globais? programa como máquina de estado rotinas de reinicialização pilha completa estado externo arquivos abertos, etc

15 checkpoints distribuídos os checkpoints dos diversos processos em uma aplicação distribuída não podem ocorrer de forma independente cortes consistentes e checkpoints coordenados

16 referência Elnozahy, E. N., Alvisi, L., Wang, Y., and Johnson, D. B. A survey of rollback-recovery protocols in message-passing systems. ACM Comput. Surv. 34, 3 (Sep. 2002),

17 mascaramento técnica básica é a redundância classes de redundância: redundância de informação códigos como Hamming redundância temporal operações repetidas (por exemplo, em transações) redundância física processos, dados ou hardware

18 Replicação tolerância a falhas correção e disponibilidade desempenho... é ou não um caso de distribuição instrínsica?

19 modelo de sistema falhas do tipo crash partições na rede não ocorrem sistema composto por gerentes de réplicas (ou servidores) cada gerente de réplica sabe fazer recuperações conjunto de réplicas pode ser estático ou dinâmico

20 replicação RM C FE RM transparência consistência C FE RM

21 processamento de requisições 1. envio da msg pelo front-end para uma réplica ou para todas 2. coordenação gerentes se coordenam para fazer a entrega 3. execução réplicas executam a requisição 4. acordo consenso sobre o efeito da requisição 5. resposta uma ou mais réplicas respondem ao front-end

22 Grupos de processos serviços de envio envio atômico envios ordenados: fifo, causal e total serviços de controle de participantes servidor de grupo ou membership server saídas do grupo também podem ocorrer por falhas gerentes de réplicas responsáveis por implementação de filas de entrega, etc

23 ordenação com falhas X multicast confiável multicast atômico: confiável + ordem total

24 ordenação causal ou total como visto antes

25 grupos estáticos e dinâmicos para tolerância a falhas, é importante levar em consideração a possibilidade de entradas e saídas

26 serviços de gerência de grupos interface de acesso: criação e destruição de grupos retirada e adesão de processos a grupos serviço de detecção de falhas notificação: serviço avisa membros do grupos sobre entradas e saídas (programadas ou não) falamos em visões do grupo view-synchronous group communication

27 controle de grupo avisos sobre nova visão do grupo X novo processo necessidade de manter as visões consistentes com outras atividades

28 outras arquiteturas menor rigidez nos requisitos de sincronismo gossip (difusão oportunista)

29 consenso em sistemas distribuídos em várias situações, os processos de um grupo têm que chegar a um valor comum ordenação total coordenação de atividades valor a ser respondido em uma consulta... em sistemas com falhas bizantinas algoritmos de consenso pelo menos 2/3 dos processos devem estar corretos

30 problema dos generais bizantinos T recuar atacar A atacar recuar B

31 replicação ativa e passiva ativa: gerentes de réplica são máquinas de estado com papéis equivalentes passiva: a cada momento uma única cópia primária e uma ou mais cópias secundárias

32 replicação ativa RM C FE RM FE C RM

33 replicação passiva Primary C FE RM RM Backup C FE RM Backup

34 abordagens híbridas c1 c3 s1 s2 c2 s3 s4 c4 consultas em qualquer cópia atualizações apenas na cópia primária Backup

35 referências Ihor Kuz, Gernot Heiser. Fault Tolerance. Notas de aula, Universidade de New South Wales. (na página do curso) Ken Birman. Reliable Distributed Systems: Technologies, Web Services, and Applications. Springer, Rachid Guerraoui, L. Rodrigues. Reliable Distributed Programming. Springer, Jean Dollimore, Tim Kindberg, George Coulouris. Distributed Systems: Concepts and Design. Addison-Wesley, 2005.