[论文解读] Five Modular Redundancy with Mitigation Technique to Recover the Error Module

H Haryono, Jazi Eko Istiyanto+2 more|arXiv (Cornell University)|Mar 8, 2014

Radiation Effects in Electronics参考文献 7被引用 5

一句话总结

本文提出五重模块化冗余（FMR）及其缓解技术，通过FPGA设计中的动态部分重配置（DPR）实现容错系统中故障模块的动态恢复。通过利用DPR技术在不中断系统运行的情况下隔离并替换故障模块，该方法增强了系统鲁棒性，并确保在危险辐射引起的故障下持续运行。

ABSTRACT

Hazard radiation can lead the system fault therefore Fault Tolerance is required. Fault Tolerant is a system, which is designed to keep operations running, despite the degradation in the specific module is happening. Many fault tolerances have been developed to handle the problem, to find the most robust and efficient in the possible technology. This paper will present the Five Modular Redundancy (FMR) with Mitigation Technique to Recover the Error Module. With Dynamic Partial Reconfiguration technology that have already available today, such fault tolerance technique can be implemented successfully. The project showed the robustness of the system is increased and module which is error can be recovered immediately.

研究动机与目标

• 解决关键计算环境中由危险辐射引起的系统故障。
• 通过实现实时故障模块恢复，提高硬件系统的容错能力。
• 开发一种与现代FPGA技术兼容的实用可重构容错机制。
• 证明利用部分重配置实现动态模块恢复的可行性和有效性。

提出的方法

• 实施五重模块化冗余（FMR），为关键模块提供五个并行副本，以实现故障检测与隔离。
• 使用动态部分重配置（DPR）在不中断系统的情况下运行时重新配置并替换故障模块。
• 设计一种缓解技术，通过五个冗余模块之间的投票逻辑识别并隔离故障模块。
• 集成控制单元以管理重配置过程，并将操作重定向至健康模块。
• 确保在模块恢复期间具备向后兼容性并实现最小性能损耗。
• 通过仿真和在FPGA平台上的实现验证系统，确认其具备实时恢复能力。

实验结果

研究问题

• RQ1 五重模块化冗余结合缓解技术是否能在辐射易发环境中有效检测并恢复故障模块？
• RQ2 动态部分重配置如何在不中断系统的情况下支持实时故障恢复？
• RQ3 所提出技术对系统可用性和容错鲁棒性有何影响？
• RQ4 缓解技术如何确保故障模块的准确识别与隔离？
• RQ5 系统在模块恢复期间及之后在性能和可靠性方面保持的程度如何？

主要发现

• 所提出的FMR结合缓解技术在辐射引起的故障条件下成功检测并隔离了故障模块。
• 动态部分重配置实现了故障模块的实时替换，确保了系统不间断运行。
• 由于冗余模块的可用性，系统在故障退化方面表现出更强的鲁棒性和弹性。
• 恢复过程在不关闭系统的情况下完成，证实了在FPGA系统中实现动态故障恢复的可行性。
• 通过仿真和FPGA部署验证，该实现实现了高容错性且性能开销极小。
• 该方法在持续暴露于危险辐射环境的情况下仍能有效维持系统功能。