容错服务器技术vs双机冗余(1)

容错服务器技术vs双机冗余(1)

1980年，当Bill Fost先生苦思冥想在为新公司取个什么名字的时候，无意间看到了飞机外层层叠叠的云层，由此“Stratus”诞生了。但是Bill Fost没有想到，1990当他们注册北京办事处的时候，竟然可以使用“美国容错计算机公司”，这种用技术术语命名公司的现象，此后再也没有出现过。不知道国内有多少用户知道 “美国容错计算机公司”，进而了解容错技术，但是相信，这几年数量有限与很多技术领先型公司相类似，“酒香不怕巷子深”是其风格，市场上的低调在一定程度上制约了发展。

容错的含义比较宽泛，这种不确定性容易引发歧义，增加理解上的难度。从概念上来说，容错是指服务器对于错误的容纳能力，是应用过程中对于服务器稳定性追求的一个目标。为了这样一个目标，有几种技术上的实现方法，目前国内谈论最多的是三种：服务器群集技术、双机冗余服务器方案和单机容错技术。

实际上，服务器群集和双机冗余的技术比较类似，双机冗余是最简单的集群，是其一个特例，也可以把服务器集群技术视为双机冗余的延伸，可以理解为一种多机容错的方案。在一般的讨论之中，集群技术是为了解决计算性能不足的问题，通过多台服务器的集群计算，为高性能计算领域应用提供所需要的高性能。采用集群技术，通过多台服务器之间的负载均衡，可以解决服务器单点故障所引发的系统不稳定，提高系统的可靠性，因此集群具有更好的容错能力，但是在实际的应用中，集群技术多用于高性能计算。

单机容错技术以Stratus公司的ftServer、惠普公司的NonStop服务器和NEC公司的Express5800/ft为代表。这种技术具有比双机冗余方案更高的容错能力。据记者查阅有关技术资料，双机冗余系统的可靠性可以达到99.9%，也就是3个9的能力，而Stratus公司的方案，其可靠性可以达到5个9。在记者的采访中，惠普公司企业服务器产品经理陈武胜表示，其NonStop服务器作为目前惠普公司最高档的服务器，其可靠性可以达到7个9的水平。在记者看来，双机冗余与单机容错有很多的差异，绝不是3个9和5个9的区别。为了了解这些区别，记者分别采访了有关软硬件厂商，并结合实际的应用案例，帮助读者了解有关容错服务器的技术。
产品技术篇之一 “没有错误”的容错服务器技术

单机容错技术是我们为了区别双机冗余技术对Stratus等容错服务器的称谓，但是在我的采访中，有关服务器厂商都不愿意采用这个称谓，他们更愿意采用容错服务器，因为单机只是一个表现形式，并不能准确表达其技术的特征。IDC资询师将这种技术称之为“没有错误”的容错服务器技术。

容错与同步技术

美国容错公司技术顾问高峰在接受记者采访时表示，容错服务器的技术并不难理解，计算机自诞生之日起，其系统结构并没有发生任何改变，仍然是冯诺依曼教授所提出的由运算器(CA)、控制器(CC)、存储器M和输入/输出装置所组成，而容错服务器的思路就是把所有这些部件全部采用冗余硬件设计。两个部件共运行同一个任务，以此来提高系统的运行可靠性。

这种思路和方法在其他服务器产品中也有采用，据富士通公司首席技术官周一平介绍，富士通PRIMEQUEST服务器就采用了这种方法，该服务器采用英特尔安腾2处理器，富士通把很多大型机和 Unix小型机的技术进行了迁移。例如把处理器、内存和PCI总线进行冗余设计，使系统具有高的可靠性。

高峰表示，这种冗余硬件的设计并不难理解，但是最为困难的是如何保证计算和数据在硬件中的同步，这是Stratus核心的专利技术。在Stratus容错服务器中，它被称为同步(Lockstep)技术，在惠普的NonStop服务器中被称为锁步技术。

安腾还是x86

容错服务器另外一个需要关注的焦点是处理器。据陈武胜介绍，目前惠普的NonStop服务器分为两个系列：NonStop S和Integrity NonStop，其产品的差别在于所采用处理器芯片不同，NonStop S所采用的是MIPS芯片，是收购原美国天腾公司的产品，而Integrity NonStop所采用的是英特尔安腾2处理器。

陈武胜表示，除了处理器的差别之外，新的Integrity NonStop具有很多新的设计，例如采用3部件的冗余设计，此外系统总线也有很大改进，因此其可靠性才能够达到7个9的水平。他指出，目前安腾2芯片已经内置了Lockstep同步技术，在芯片级提供了系统容错设计的能力。而此前处理器芯片不具备这样的能力，就需要通过外部结构设计来解决同步的问题。据了解，Integrity NonStop可以进一步分为NS1000、NS14000和NS16000，分为入门级、中高端和最高端服务器产品，其中最高端的NS16000服务器，其每个服务器的节点采用2～16个安腾2处理器。这些处理器节点通过惠普公司独特的ServerNet进行连接，可以提供多达4080个处理器计算能力。

在Stratus公司的产品中，更加强调容错的能力。据高峰介绍， ftServer已经是该公司第四代产品系列，此前先后经历过Motorola M68000、Intel I860芯片、HP PARISC等不同处理器，以及VOS专有操作系统等阶段。目前第四代产品采用基于x86结构的Intel 处理器，其W系列最高的6600可以实现基于容错的4路双核处理器的计算。高峰表示，Stratus将会在今年发布基于8路的容错服务器产品。

高峰表示，容错服务器选择哪种处理器的关键还是要根据应用的需求。安腾处理器采用了全新的64位计算架构，需要配合主机级的NonStop操作系统。与之相比，x86架构应用比较普遍，用户软件无须要进行二次开发。Stratus公司之所以采用Linux、Windows等通用的平台代替专用的VOS操作系统，就是为了降低容错服务器的应用成本。

“无解”的软件故障

容错服务器通过硬件部件的冗余设计，以及同步技术的保证，可以有效解决因为硬件原因所造成的系统故障，但是并不能解决软件故障。

高峰表示，虽然在理论上存在着两个相同部件同时损坏的情况，但是随着硬件水平的提高，这种概率是比较低的。高峰表示，容错硬件的设计一方面可以防止硬件的单点故障，同时也可以防止硬件所造成的计算错误，并对此做出校正。从技术的角度来看，所有软件在硬件看来就是0和1，但是在某些情况下，硬件会产生不稳定，造成非0非1的中间状态，就会产生计算的错误，这种错误并不一定导致系统宕机，其错误不易被察觉。

在容错服务器中，由于采用冗余部件同时运行同一应用任务，这样当两个系统产生不一样计算结果的时候，系统就会察觉，并通过技术手段对于计算错误进行校验，从而提高应用的准确性。但是如果是软件本身的问题，无论是操作系统还是应用软件，那么容错服务器没有办法对于这种错误进行修整。因为对于容错服务器而言，硬件所能够辨别的就是0和1，至于0和1所蕴含的软件逻辑，硬件无从辨别。高峰表示，软件的问题只能够通过软件的方法加以解决。有些用户对此存在一些误解，认为容错服务器不会宕机，实际上容错服务器只能够解决硬件的故障。

关于容错服务器应用，记者也采访了NEC技术经理黄后生，他表示，选择容错服务器的意义在于为关键业务应用提供可靠的硬件平台。黄后生表示，用户为追求系统可靠性，往往会选择小型机，但这会增加成本，同时也对企业的技术人员提出了比较高的要求。但是选择容错服务器没有这样的要求，可以使用他们比较熟悉的Windows平台或者Linux平台。

黄后生表示，目前NEC的Express5800/ft服务器在原理上与Stratus非常类似，两家公司在技术上有着战略合作，共同开发有关容错服务器的相关技术。目前NEC是Stratus公司的投资股东，持有 Stratus公司部分股票。在全球服务器市场上，NEC位列前5强，具有丰富应用和推广的经验，以及雄厚的市场推广能力。在技术支持和服务方面，NEC 已经建立了非常好的渠道，这些优势都有助于容错服务器在中国的应用和推广。