随着分布计算技术在关键应用领域的不断拓展,分布式应用对高可靠性和高可用性的需求越来越迫切。容错机制是增强应用可靠性和可用性的主要手段,它使得应用系统在部分组件发生失效时,仍然能够继续正确地向外界提供服务。但是在基于商用现货COTS组件的分布计算系统中引入容错机制,通常会对应用系统的性能指标造成较大的影响,因此分布式系统中容错机制的性能优化问题被广泛关注。本文致力于研究分布式容错计算系统中的关键技术,并以性能优化为主要目标,为开发高性能的容错中间件平台提供支持。本文研究了算法和体系结构两个方面的性能优化技术:在算法方面,主要围绕全序组通信问题和乐观同步复制问题展开研究;在体系结构方面,以CORBA中间件为平台,研究具有可扩展性和自适应性的容错计算框架及实现机制。本文的主要研究内容和贡献包括:1.提出了两种全序组通信优化算法——ED算法和TDM算法。ED算法针对采用不可靠失效检测器的静态容错系统,利用乐观假设和捎带机制来加速消息的排序过程,从而降低了算法的平均延迟时间。TDM算法针对采用组成员关系服务的动态容错系统,该算法将令牌环算法和确定性合并算法融合,能够根据系统的负载大小和分布情况,自动调节控制消息的比例,从而能够在延迟时间和吞吐量两个主要性能指标之间获得有效的平衡。与其它同类算法相比,TDM算法能够同时获得较低的延迟时间和较高的吞吐量,并且在突发消息模式下,算法性能更显著优于同类算法。2.提出了乐观同步复制算法AROA。针对主动复制算法的性能问题,本文提出了一种基于乐观机制但能够保证复制一致性的乐观同步复制算法AROA,它能够较为明显地改善算法的响应时间。AROA算法基于下述设计思想:所有副本在接收到客户发送的请求后,并发地执行请求的排序过程和请求的处理过程。在绝大多数情况下,请求的最终排序结果和请求的处理顺序是一致的,这样由于两者并发执行,就显著地减少了请求响应时间,同时也有助于提高系统的吞吐量。AROA算法在请求的排序结果最终确定之前,不会将请求的处理结果返回给客户,因此如果乐观假设不成立,通过执行恢复过程,能够避免客户得到不一致的请求处理结果。此外,本文对乐观复制算法可能发生的负作用问题进行了分析,进一步提出了将乐观复制算法和保守复制算法结合的思想,从而使得乐观算法只发挥其积极作用,屏蔽其消极影响。3.可扩展性容错计算框架研究。本文设计了一种具有可扩展性的容错计算框架,它将容错协议和计算框架中的其它组件分离开来,用户可以根据自身应用的语义信息来设计最高效的容错协议,并将该协议插入到容错计算框架中。可扩展容错计算框架采用反射机制设计,容错协议能够方便地控制应用服务的行为,从而简化了协议的设计和实现过程。此外,框架还提供了面向组的远程过程调用原语,进一步简化了容错协议之间的通信过程。4.自适应容错管理机制研究。本文在现有容错中间件的管理框架基础上,增加了自适应管理机制,使得容错应用程序能够根据运行环境变化和用户设置的自适应策略进行动态配置结构调整。自适应管理机制能够在保证应用可靠性的前提下,优化系统资源使用,进而改善应用程序的性能。5.容错计算平台的实现技术。本文基于国防科学技术大学研制的分布计算中间件StarBus+,设计和实现了一个容错计算平台StarFT,分析了实现过程中的难点问题并给出解决方案。StarFT系统为用户开发、运行和配置容错应用程序提供了有效支持,并能够获得良好的性能。