[论文解读] End-User Effects of Microreboots in Three-Tiered Internet Systems

George Candea, Armando Fox|ArXiv.org|Mar 6, 2004

Distributed systems and fault tolerance参考文献 33被引用 3

一句话总结

本文提出微重启（microreboots）——即对三层互联网应用中单个软件组件进行细粒度重启——作为一种轻量级、基于中间件的恢复技术，相比完整系统重启，能显著减少停机时间和失败请求数。在基于J2EE的拍卖系统上评估表明，微重启使失败用户请求数减少65%，感知停机时间减少78%，同时通过最小延迟影响实现透明重试机制。

ABSTRACT

Microreboots restart fine-grained components of software systems "with a clean slate," and only take a fraction of the time needed for full system reboot. Microreboots provide an application-generic recovery technique for Internet services, which can be supported entirely in middleware and requires no changes to the applications or any a priori knowledge of application semantics. This paper investigates the effect of microreboots on end-users of an eBay-like online auction application; we find that microreboots are nearly as effective as full reboots, but are significantly less disruptive in terms of downtime and lost work. In our experiments, microreboots reduced the number of failed user requests by 65% and the perceived downtime by 78% compared to a server process restart. We also show how to replace user-visible transient failures with transparent call-retry, at the cost of a slight increase in end-user-visible latency during recovery. Due to their low cost, microreboots can be used aggressively, even when their necessity is less than certain, hence adding to the reduced recovery time a reduction in the fault detection time, which further improves availability.

研究动机与目标

• 解决互联网服务中完整系统重启带来的高成本与高干扰问题，特别是针对瞬态故障。
• 通过降低平均恢复时间（MTTR）来提高系统可用性，且无需修改应用程序代码。
• 证明仅重启故障组件的微重启机制，其效果可与完整重启相媲美，但对用户的干扰显著更小。
• 在真实世界、交互式、组件化应用中，于真实故障场景下评估微重启的有效性。
• 识别微重启失效的故障场景，并提出中间件级别的修复方案以提升系统鲁棒性。

提出的方法

• 在开源J2EE应用服务器（JBoss）中扩展了故障注入、代码插桩和单个EJB及功能子系统的微重启功能。
• 通过追踪回放和诱导恢复，模拟真实用户工作负载并测量对终端用户的影响。
• 实现了透明的调用重试机制，以在微重启期间屏蔽瞬态故障，仅引入极低延迟。
• 设计中间件以支持与应用无关的恢复机制，无需预先了解应用语义。
• 在三层架构（Web层、业务逻辑层、数据层）中评估微重启，重点关注组件边界和状态持久化。
• 提出了中间件级别的增强方案，以处理因状态损坏或恢复不完整而导致微重启失败的情况。

实验结果

研究问题

• RQ1 与完整重启相比，微重启在减少三层Web应用中用户可见的故障和停机时间方面效果如何？
• RQ2 微重启能否通过透明重试机制有效屏蔽瞬态故障，且不会显著增加延迟？
• RQ3 哪些类型的故障无法被微重启解决？中间件层面的哪些改进可提升其成功率？
• RQ4 与完整重启相比，微重启在多大程度上减少了受瞬态故障影响的用户数量？
• RQ5 微重启的使用如何实现更快的故障检测，并支持更激进的故障监控策略？

主要发现

• 与完整服务器进程重启相比，微重启使失败用户请求数减少了65%。
• 微重启使感知停机时间减少了78%，显著改善了用户体验。
• 微重启在恢复服务方面几乎与完整重启同样有效，但由于其细粒度特性，造成的干扰要小得多。
• 在微重启期间使用透明调用重试机制，仅导致用户可见延迟略有增加，但成功屏蔽了瞬态故障。
• 微重启通过减少受影响用户数量和缩短恢复时间，显著降低了恢复期间丢失的工作量。
• 特定故障场景（如会话状态损坏）无法通过微重启解决，但作者提出了中间件级别的修复方案以克服这些局限性。