[論文レビュー] Fault-tolerant Algorithms for Tick-Generation in Asynchronous Logic: Robust Pulse Generation

Danny Dolev, Matthias Függer+2 more|arXiv (Cornell University)|May 24, 2011

Distributed systems and fault tolerance参考文献 26被引用数 5

ひとこと要約

本稿では、深紫外線プロセスにおけるVLSIシステムにおけるメタ安定性フリーな動作と最小限の複雑さで、一時的またはByzantine障害に対しても最適なレジリエンスを実現する、非同期論理向けのByzantine故障耐性で自己安定化するパulses同期プロトコルを提示する。エラスティックパイプラインとマーク付きチックを用いてデッドロックや不正チックを検出し回復することで、信頼性の高いチック生成を実現する。

ABSTRACT

Today's hardware technology presents a new challenge in designing robust systems. Deep submicron VLSI technology introduced transient and permanent faults that were never considered in low-level system designs in the past. Still, robustness of that part of the system is crucial and needs to be guaranteed for any successful product. Distributed systems, on the other hand, have been dealing with similar issues for decades. However, neither the basic abstractions nor the complexity of contemporary fault-tolerant distributed algorithms match the peculiarities of hardware implementations. This paper is intended to be part of an attempt striving to overcome this gap between theory and practice for the clock synchronization problem. Solving this task sufficiently well will allow to build a very robust high-precision clocking system for hardware designs like systems-on-chips in critical applications. As our first building block, we describe and prove correct a novel Byzantine fault-tolerant self-stabilizing pulse synchronization protocol, which can be implemented using standard asynchronous digital logic. Despite the strict limitations introduced by hardware designs, it offers optimal resilience and smaller complexity than all existing protocols.

研究の動機と目的

• 深紫外線プロセスにおけるVLSI技術における一時的および恒久的障害の増加する課題に対処し、クロックドメインクロスでのメタ安定性と信頼性を損なう要因を軽減すること。
• 自己安定化がなく、1/3を超えるノード障害の回復ができない既存のダーツクロッキング方式の限界を克服すること。
• 非同期デジタル論理の厳しいハードウェア制約内での故障耐性パulses生成プロトコルを設計すること。
• グローバルに非同期で、ローカルに同期する(GALS)システムにおいて、Byzantine障害に耐性を持ちながら、スケューと正確性を限定的に保つこと。
• 外部リセットや事前同期を必要とせず、任意の初期状態や一時的障害からの回復を可能にすること。

提案手法

• 非同期デジタル論理で実装された自己安定化・Byzantine障害耐性を持つパulses同期プロトコルを用いて、信頼性の高いダーツチックを生成する。
• 定期的（Tチックごと）にマーク付きチックを導入し、ローカルカウンタとリモートカウンタの不一致を検出し是正する。
• 一時的フェーズ中にチックをバッファリングするため、有限だが十分なサイズのエラスティックパイプラインを採用し、有効チックの損失を防ぐ。
• 各パulsesの直後にパイプラインのマークを非同期リセットすることで、不正または古くなったマーク付きチックをクリアする。
• マーク付きチックが対応するローカルマーク付きチックと一致しない場合、障害またはスケューを示すため、是正処理をトリガーする性質を活用する。
• マーク付きチックが非マーク付きチックと一致した場合にのみ通常チックを削除するDiff-Gateを用いることで、カウンタ状態が一貫性を保ち、有効なままとなる。

実験結果

リサーチクエスチョン

• RQ1 厳しいハードウェア制約下で、非同期デジタル論理に実装された自己安定化・Byzantine障害耐性を持つパulses同期プロトコルを設計・実装するにはどうすればよいか？
• RQ2 外部同期やノードリセットを必要とせず、任意の初期状態や一時的障害からの回復を保証するメカニズムは何か？
• RQ3 エラスティックパイプラインを用いることで、不安定な起動時や障害回復フェーズにおけるチック損失をどのように防げるか？
• RQ4 マーク付きチックが正しく一致し、不正なマークがメタ安定性を引き起こさずにクリアされる条件は何か？
• RQ5 グローバルに非同期で、ローカルに同期する(GALS)システムにおいて、Byzantine障害に耐えながらスケューと正確性を限定的に保つにはどうすればよいか？

主な発見

• プロトコルは、故障ノード数fが全体の3f+1ノード中f未満である限り、最適な耐性を示し、故障挙動に関する仮定を一切必要としない。
• マーク付きチックと、パイプラインのデッドロックを、一定時間ウィンドウ内にチックの削除が行われないことで検出するメカニズムにより、自己安定化が保証される。
• 有限サイズのエラスティックパイプラインは、最大メッセージ遅延dの時間ウィンドウ内に生成されるすべてのチックを収容できる限り、チック損失を防ぐのに十分である。
• 各パulsesの直後にマークレジスタの非同期リセットを実行することで、不正なマーク付きチックが正しくクリアされ、正常なチック生成に干渉しない。
• 通常動作時におけるDiff-Gateのメタ安定性は回避され、次のマーク付きチックの到着後にマークのリセットが行われるため、レースコンディションが発生しない。
• すべての余分なマークが最終的に削除されるように保証されることで、任意の初期状態（パイプライン内に任意の数のマーク付きチックが存在する状態を含む）からの回復が可能になる。