检查点与恢复

检查点定期保存系统状态，以便在发生故障后，系统可以回滚到一致点并恢复，而不是从头开始重启。

Definition

检查点将一个或多个进程的状态记录到稳定存储中；回滚恢复利用这些检查点，可能结合记录的消息，在故障后将系统恢复到一致的全局状态——一个恢复线——并从那里向前重放。

Scope

本主题涵盖基于检查点和基于日志的回滚恢复：非协调、协调和通信诱导的检查点；非协调检查点可能导致的骨牌效应；以及允许在上次检查点之后恢复的悲观、乐观和因果消息日志。它与全局快照的一致性切片理论相关联。

Core questions

• 如何将跨进程的检查点组合成一致的恢复线？
• 什么是骨牌效应，协调如何防止它？
• 消息日志何时允许在最近的检查点之后进行恢复？

Key theories

协调检查点

进程进行协调，使其检查点共同形成一个一致的全局状态，从而保证可用的恢复线并避免级联回滚，但代价是同步开销。

非协调检查点与骨牌效应

如果进程独立地进行检查点，恢复可能需要将每个进程回滚以找到一致的集合，这可能一直级联到开始（骨牌效应），而协调或日志记录旨在避免这种情况。

消息日志

记录进程接收到的消息（悲观地、乐观地或因果地）允许恢复进程确定性地重放它们，并超越其上次检查点，恢复最近的工作而无需全局回滚。

Clinical relevance

检查点/重启使长时间运行的高性能和科学计算能够抵御节点故障，异步检查点则为现代流处理系统提供了“恰好一次”的故障恢复保证。

History

在Chandy和Lamport的一致性快照理论基础上，Koo和Toueg于1987年将协调检查点形式化，而Elnozahy及其同事在2002年的调查报告中整合了数十年来关于日志记录和非协调方案的工作，该报告是回滚恢复的标准参考。

Debates

协调与非协调检查点

协调检查点保证了清晰的恢复线，但增加了同步成本和全局协调；非协调检查点在检查点时成本较低，但存在骨牌效应和复杂恢复的风险，因此正确的选择取决于故障率和规模。

Key figures

• K. Mani Chandy
• Leslie Lamport
• Sam Toueg
• Lorenzo Alvisi

Seminal works

• elnozahy2002
• koo1987
• chandy1985

Frequently asked questions

回滚恢复中的骨牌效应是什么？

当进程在没有协调的情况下进行检查点时，回滚一个进程可能会迫使依赖进程也回滚，这可能会向后级联到整个计算过程——甚至可能回溯到最开始。协调检查点或消息日志用于防止这种情况。