一种高可用集群的系统管理技术

摘要

在并行和分布式计算环境中,随着系统规模的增长,系统出错的概率大大增加.为提高集群系统的可靠性和可用性,采用对称式Active/Active高可用模型的原理和组通信工具,实现了一种增强头节点作业服务可用性的高可用管理方案;针对并行计算环境的特点,利用LAM/Migration检查点迁移技术,实现了集群系统中计算节点的故障自探测、任务自恢复功能.