网络服务器故障自动编码修复方法仿真与研究

汪海枝，李 磊

(西安工业大学，陕西 西安 710021)

1 引言

计算机技术与互联网技术水平不断攀升，服务器[1]在军事、医疗以及金融等众多极具重要性的行业领域中占据着举足轻重的地位，广泛应用于一系列关键业务的处理。在网络环境中运行的服务器肩负着处理系统后台任务的重大职责，是保障各应用程序正常工作的有力支撑，一旦服务器发生故障[2]，就会产生系统数据丢失或异常停机等风险性较高的安全隐患问题，这不仅威胁着信息系统的自身安全，而且对服务器的整体使用对象都存在较大威胁。因此，服务器故障的相关研究逐渐演变成了有关科研人员的热点课题。

服务器故障检测水平作为系统总体是否可用的主要决定因素之一，是当前学者的主要探索方向。例如：唐琳等人[3]以视频图像识别技术为基础，创建故障特征库，采集故障视频，经逐帧分析、对比后，由辅助诊断系统给出服务器故障的判定结论；王红霞[4]则面向舰船云计算系统的服务器故障，根据采集到的故障识别数据，利用数据挖掘技术展开分析、建模，构建出分类器模型。

上述方法能够准确检测出服务器故障，为后续故障处理奠定基础，因此，本文展开进一步探讨，将服务器的固定型故障修复作为研究课题，基于构建的虚拟化组态软件，提出一种冗余故障自修复方法。设计服务器冗余故障识别算法，为自修复提供参考依据；组态软件通过节省设备更替与系统更新步骤，使修复方法更高效、更便捷；利用基于周期循环码的修复编码规则，有助于准确地自修复各类冗余故障发生节点。

2 服务器冗余故障识别

将逻辑值赋予指定节点，经过大量蕴含操作，利用学习法则学习所得的蕴含结果，取得多个全局逻辑值。

假设节点M的逻辑赋值是w，蕴含操作之后得到的蕴含结果是[N，v]，其中，v指代的是赋予节点N的逻辑值，则采用下列推导式界定蕴含操作

[M，w]⟹[N，v]

(1)

1)当故障集的冗余故障具有不可控性时：若推导式[g，1]⟹[k，ϖ]成立，则有S0∪=k/ϖ。其中，节点k的特定逻辑值是ϖ；

2)当故障集的冗余故障具有不可观测性时，识别步骤如下所述：

①前向传播并标记(g，ϖ)，得到故障(k，ϖ)，其中，节点k归属于服务器逻辑门g的输入mi；

③基于各无扇出区域的逻辑门g，若其为非扇出源的重汇聚门，则前向传播并标记(g，ϖ)；反之，则后向传播并标记(g，ϖ)；

3 虚拟化组态软件结构分析

根据服务器的属性与特点，组态软件通常由组态与运行两种程序环境组成，如图1所示。组态环境的组成部分为人机界面、通信连接、实时数据库等多种组态程序；而运行环境则由与组态程序一一对应的人机界面、通信连接等多种运行程序架构而成。

图1 组态软件的软件环境框架示意图

虚拟化组态软件功能相对独立，其框架结构可看作为软件集成平台，构成组件如图2所示。

图2 组态软件结构示意图

各组件的具体作用描述如下：

1)即时性数据库模块：作为虚拟化组态软件的核心部分，该模块质量对整个组态软件效用具有直接影响。此数据库中涵盖的是经由数据库技术[5]管理的全部数据对象集合。模块功能是存储服务器工作时生成的动态数据与支持服务器正常运行的内部信息。

2)输入输出设备驱动模块：作为数据块模块与设备模块的连接层，该模块的作用是为整个服务器提供设备信息与即时访问设备协议封装，将抽象出的设备转换成一个具有可配置性的服务器单元，减小其与组态软件之间的相关性，赋予该单元数据交换服务能力。

3)程序管理模块：该模块相当于一个专用管理工具，主要用于提供备份、建立新程序、搜索以及解压缩等功能，简化局部组态成果的使用任务。

4)通信与第三方应用接口模块：该模块负责实现组态软件与第三方应用的远程数据访问与交互。

5)图形组态模块：利用此模块划分现场过程的图形画面为具有不同外观属性的线、文本以及填充图形三个目标，其功能包括预警通知、过往数据查询等，通过组态即可完成动画连接目标的数据源指定。

4 服务器冗余故障自修复

4.1 服务器周期循环码

以构建的组态软件为基础，假设均分初始文件μ为t组含有κ个数据块的聚类，利用(⎣3n/2」，κ)极大距离可分码[6]，编码处理各聚类中的数据块，取得数量为⎣3n/2」的编码数据块集合{d1，d2，…，d⎣3n/2」}，复制各编码数据块后，通过不断迭代的形式将其保存至部分修复聚类中的n个节点里，即{V1，V2，…，Vn}，因此，各节点内含有三套编码数据块，且邻近两节点之间的相同编码数据块数量不小于1，如图3所示，该周期循环码编码结构的矩阵分布形式如下所示。

(2)

其中，矩阵行表示修复聚类的n个节点，矩阵列表示各聚类中的⎣3n/2」个编码数据块，矩阵元素0和1分别表示当前节点上是否储存了对应编码数据块，0表示未存储，1表示存储。

图3 周期循环码编码结构示意图

若修复聚类中任意节点发生冗余故障，则根据上列矩阵分布内编码数据块相同的邻近节点，即可迅速重构出服务器冗余故障节点的数据结构，在保证极大距离可分码属性的同时，为自修复编码构建奠定修复特性基础。

4.2 冗余故障自修复编码规则

为实现冗余故障节点的准确自修复，需在修复聚类中融入周期循环码。先均分节点，令t组修复聚类中各有n个节点，再利用周期循环码保存编码数据块，储存方式按照节点数量n的奇偶取值，分为两种状况：当节点数量n=2x，x为任意正整数时，依据循环码结构在各节点上储存三套编码数据块，并在邻近节点内进行一次复制；当节点数量n=2x-1时，通过两副本复制模式[7]在各节点上保存编码数据块，关于最后的编码数据块则进行三次复制。

根据图4所示的最小编码结构，设定各修复聚类中含有4个节点，且4无法被t整除，则经分组后，得到nmod 4=1，2，3。

若nmod 4=1，则前t-1个修复聚类内的节点数量是4，最后的聚类节点数是5；若nmod 4=2，则前t-2个修复聚类内的节点数量是4，最后两个聚类节点数是5；若nmod 4=3，则前t-3个修复聚类内的节点数量是4，最后三个聚类节点数是5；以此类推，直到各聚类中的节点编码数据块存储完全。

4.3 冗余故障自修复

当服务器的节点发生冗余故障时，在各修复聚类中采取周期循环码完成故障自修复。服务器节点相互独立，修复聚类内多个邻近节点同步发生冗余故障概率极小，故基于自修复编码规则，根据修复聚类中发生冗余故障时的不同节点情况，制定出以下自修复流程：

1)单一节点冗余故障自修复：根据图4所示，若服务器节点V2发生冗余故障，则利用邻近节点V1、V3重构故障节点V2的编码数据块d2、d3以及dn+2，将在邻近节点上采集到的编码数据块传输至故障节点V2后，冗余故障即可实现自动修复。

图4 单一节点冗余故障自修复示意图

2)一对不邻近节点冗余故障自修复：根据图5所示，若服务器节点V2、V4发生冗余故障，则利用邻近节点V1、V3、V5重构故障节点V2、V4的编码数据块，在故障节点V2的邻近节点V1与V3上采集编码数据块，将所得的编码数据块传输至故障节点V2后，自动修复冗余故障；同理，实现节点V4的冗余故障自修复。

图5 一对不邻近节点冗余故障自修复示意图

5 服务器冗余故障自修复仿真实验

5.1 仿真实验环境搭建

基于虚拟化组态软件架构某服务器网络拓扑结构，设置结构中的节点数量为30，分布形式呈随机性，如图6所示。

图6 某服务器网络拓扑结构中节点分布示意图

其中，8个方形指代冗余故障节点，22个圆形指代正常存活节点。冗余故障节点的剩余能量与信任度参数如表1所示。

表1 冗余故障节点相关参数信息

5.2 冗余故障自修复效果分析

为验证方法的优越性与可行性，采用本文方法自动修复目标服务器中含有的冗余故障，并分别从冗余故障自修复移动开销[8]、服务器生存周期以及修复时长三个角度展开分析，前两个评估指标的实验结果如图7所示。

图7 移动开销与生存周期走势图

其中服务器生存周期使用剩余总能量多少来判定，若剩余总能量多则表示服务器生命周期长；关于修复时长模拟实验环节，则对8个冗余故障节点共进行三组自修复仿真实验，每组修复时长结果如表2所示。

表2 自修复时长实验数据(单位：s)

结合以上图7和表2显示的实验结果可以看出，该方法的8个冗余故障的移动开销保持在500-600bit区间，没有出现较大波动，且服务器随着故障的修复，剩余能量越来越大，生存周期越长，指标均具有较为显著的优越性，数据走势始终处于理想范围中；对于自修复时长来说，不论是最后一列对应的各故障节点自修复时长均值，还是最后一行对应的每组实验自修复时长均值，都能够充分说明本文方法在修复时效性方面的明显优势。这都得益于本文方法构建的服务器冗余故障识别算法与虚拟化组态软件，不仅准确识别出因不同赋值而造成的故障集，而且使人机交互、图形组态等作用得到了极大发挥，简化了局部组态成果的使用任务；根据节点数量的奇偶取值，采取不同策略在修复聚类中融入设计的周期循环码，直到各聚类中的节点编码数据块存储完全；按照修复聚类中单一节点与一对不邻近节点两种冗余故障情况，通过传输编码数据块给故障节点实现自修复。

6 结论

对于以往科技水平来说，冗余故障的检测与识别具有极大挑战性，如今，该类型故障的难点与关键点已逐渐从检测、识别阶段转变为后续的修复阶段。在物联网、大数据时代的涌动下，组态软件演变为工控领域的重要环节，为此，本文以虚拟化组态软件为基础，面向服务器冗余故障，提出一种自修复方法。由于研究存在一定的局限性，故需将以下几个优化点作为今后的探索方向：针对组态软件，采用驱动层协议添加离线编程功能，实现本文方法的离线自修复性能，使组态软件更具可控性；应结合更优越的技术与策略，弥补欠缺的大数据处理能力，提升数据负荷应对性与数据分析能力；本文研究对象仅限于服务器产生的冗余故障，应涉及其他系统组件、不同故障类型的情况，进一步探讨方法适用性。