Language
Country/Area
No result found
古老计算机的奇迹：SAPO是如何实现故障容忍的？
故障容忍是指系统在某些元件发生故障或失灵时，仍能保持正常运作的能力。这一能力对于高可用性、任务关键，甚至生命至关重要的系统来说是必不可少的。故障容忍特别指系统在发生错误时，不会出现任何降级或停机的情况。在出现错误时，最终用户并不会察觉到任何问题。相对而言，一个经历错误但服务仍然在运行的系统称为「韧性系统」，这样的系统能够适应错误的发生，维持服务但表现出一定的性能影响。
故障容忍专门用于描述计算机系统，确保即使发生硬体或软体问题，整体系统仍然保持运作。
在计算机发展史上，最早的故障容忍计算机是1951年在捷克斯洛伐克由安东宁·斯沃博达（Antonín Svoboda）建造的SAPO。该计算机的基本设计是通过绕线的磁鼓来实现的，并采用了投票法进行记忆体错误检测，这种技术被称为三模冗余。随着时代的进步，许多其他类似的设备陆续被开发出来，大部分用于军事用途，其后逐渐形成三种类型的选择：那些可以长期运行而不需要任何维护的计算机，如NAASA的空间探测器和卫星；非常可靠但需要不断监控的计算机，如用于监控和控制核电厂或超导体实验的设备；还有在重负荷下运行的计算机，例如许多用于保险公司概率监测的超级计算机。
故障容忍的演进
不少在1960年代由NASA进行的所谓LLNM（长寿命，无需维护）计算机的研究为未来的太空任务铺路。这些计算机通过使用备份记忆体阵列支持记忆体恢复方法，JSTAR计算机便是这样的例子，它能够自我检测并修复错误或启用冗余模块。至今这些计算机仍在持续运行。
过去的设计往往集中于内部诊断，故障可以被发现并且专业人员可以进行更换。
然而，后来的设计示范了系统需要具有自我修复和诊断的能力，能够在故障发生时进行故障隔离并执行冗余备份。这对于实现高可用性的计算系统至关重要。
故障容忍技术的广泛使用
例如，部分硬件故障容忍系统需要在系统运行时将损坏的元件取出并更换，这被称为「热插拔」。这种系统通常有单一备份，称为单点容忍，并且大多数故障容忍系统都属于这一类。故障容忍技术在计算机应用中取得了显著成功。
Tandem计算机就是以此为基础，建立了每年运行时间计算的NonStop系统。
除了硬体，故障容忍还能体现在计算机软体中，例如过程复制和数据格式的完美设计，使其可以优雅降级。 HTML就是一个典型例子，能够让网页浏览器忽略新且不支持的HTML实体，而不影响整体文件的可用性。类似的设计还出现在许多流行网站中，这些网站在深度操作系统中，为了保持广泛的可接触性而提供轻量级界面。
故障容忍系统的设计考量
实现故障容忍设计并不总是一个实际的选择，因为相关的冗余会带来重量、成本和设计时间上增加等问题。因此，设计人员必须仔细考虑哪些元件需要故障容忍的能力。
每个元件的故障可能性、重要性及其成本均需经过周密评估。
举例来说，一辆汽车的收音机虽然不是关键性元件，但其重要性相对较低，而乘客约束系统（如安全带）则因为其在事故中保障安全的关键功能而被认为需要冗余设计。
故障容忍系统的基本特征包括：没有单一故障点；能够对故障元件进行隔离；及故障的回收必要，这通常需要对系统的故障进行分类和定义。
思考的结尾
在面对不断复杂化的科技世界，故障容忍的设计是否能够真正保护我们日常生活中的各类系统，让我们在未来的高科技生活中避免不必要的危险呢?
