问题标签 [fault-tolerance]

在 Scala 中，当另一个（远程）actor 终止时，可以通过设置 trapExit 标志并以第二个 actor 作为参数调用 link() 方法来通知一个 actor。在这种情况下，当远程参与者通过调用 exit() 结束其工作时，第一个参与者通过接收退出消息得到通知。

但是当远程参与者以不那么优雅的方式终止时会发生什么（例如，它正在运行的 VM 崩溃）？换句话说，本地参与者如何发现远程参与者不再可用？当然，我希望（如果可能的话）可以通过类似于退出消息的消息通知本地参与者，但这似乎不可行。我错过了什么吗？我应该不断地轮询远程参与者的状态（在这种情况下，我不知道哪种方法是最好的方法）还是有更聪明的解决方案？

我有一个我不信任的 C 库（从某种意义上说，它可能经常崩溃）。我从 Java 进程中调用它。

为了防止 C 库崩溃带来整个 Java 应用程序。下来，我认为最好为这个库生成一个专用的 Java 进程，并让它与 Java 应用程序交互。通过套接字编程或 RMI。然后，如果发生崩溃，我可以生成另一个并继续处理。

是ProcessBuilder要走的路吗？或者还有其他更简单的方法吗？

谢谢！

假设我们有一个用 C++ 编写的 SDK，它接受一些二进制数据（如图片）并执行一些操作。难道不能让这个SDK“防撞”吗？崩溃主要是指由于用户传递的无效输入（例如异常短的垃圾数据），操作系统在内存访问冲突时强制终止。

我没有使用 C++ 的经验，但是当我用谷歌搜索时，我发现了几种听起来像解决方案的方法（使用向量而不是数组，配置编译器以便执行自动边界检查等）。

当我向开发人员介绍这个时，他说这仍然是不可能的。不是我不相信他，但如果是这样，像 Java 这样的语言是如何处理这个的？我认为 JVM 每次都会执行边界检查。如果是这样，为什么不能手动在 C++ 中做同样的事情？

更新
“防崩溃”并不是说应用程序不会终止。我的意思是它不应该在没有发生情况的信息的情况下突然终止（我的意思是它会转储核心等，但是不可能显示“参数 x 无效”等消息吗？）

我有两个问题-

Q1。除了检查点/回滚之外，还有更有效的方法来处理 MPI 中的错误情况吗？我看到如果一个节点“死亡”，程序会突然停止。有没有办法在节点死亡后继续执行？（如果以准确性为代价，则没有问题）

Q2。我在“http://stackoverflow.com/questions/144309/what-is-the-best-mpi-implementation”中读到，OpenMPI 具有更好的容错性，最近 MPICH-2 也提出了类似的功能..有人知道它们是什么以及如何使用它们吗？是“模式”吗？他们可以在第一季度所述的情况下提供帮助吗？

请回复。谢谢你。

我正在阅读有关 Hadoop 以及它的容错性的信息。我阅读了 HDFS 并阅读了如何处理主节点和从节点的故障。但是，我找不到任何提到 mapreduce 如何执行容错的文档。特别是当包含 Job Tracker 的主节点宕机或任何从节点宕机时会发生什么？

如果有人可以向我指出一些详细解释这一点的链接和参考资料。

我目前正在尝试开始使用 Akka，但遇到了一个奇怪的问题。我的演员有以下代码：

这就是我开始我的工人的方式：

这就是我关闭一切的方式：

现在发生的情况是，如果我向工作人员发送 n > 0 的消息（不抛出异常），一切正常并且应用程序正常关闭。但是，只要我向它发送一条导致异常的消息，应用程序就不会终止，因为仍然有一个演员在运行，但我不知道它来自哪里。

如果有帮助，这是相关线程的堆栈：

PS：没有终止的线程不是任何工作线程，因为我添加了一个 postStop 回调，它们每个都正确停止。

PPS：Actors.registry.shutdownAll解决问题，但我认为shutdownAll应该只作为最后的手段，不是吗？

我正在尝试设计一个通过 Web 服务向数据库报告活动事件的系统。Web 服务和数据库已经构建（COTS 软件）——我所要做的就是提供事件源。

但是，问题是事件源需要容错。我们有多个可以与之通信的复制数据库，因此如果我正在与之通信的 Web 服务或数据库出现故障，该软件可以快速切换到另一个启动的数据库。

我需要帮助的是所有数据库都关闭的情况。我已经设计了一个队列，它将在事件堆积时保留它们（并在连接恢复后将它们爆发），但队列是一个内存结构：如果我的应用程序在这种状态下崩溃，或者如果断电等，则队列中的所有事件都丢失。这是无法接受的。我需要的是一种持久化事件的方法，以便当数据库重新联机时，我可以发送一连串排队的事件，即使在断电或崩溃的情况下也是如此。

我知道我不想重新实现队列本身以将文件系统用作后备存储。这会起作用（我已经尝试过了）-但是随着硬盘驱动器成为瓶颈，这种方法会大大降低系统速度。但除此之外，我想不出一种方法来设计这个系统，使所有事件仅在无法访问数据库时安全地存储在硬盘上。

有没有人有任何想法？=)

我希望我的 Azure 角色在发生突然故障时重新处理数据。我考虑以下选项。

对于要处理的每个数据块，我都有一个数据库表行，我可以添加一个表示“来自处理节点的最后一次 ping 的时间”的列。因此，当一个节点抓取一个数据块进行处理时，它会将“处理”状态和那个时间设置为“当前时间”，然后节点负责更新那个时间，比如每分钟更新一次。然后定期某个节点会询问“所有处理状态和 ping 时间大于 10 分钟的块”，并认为这些块已被废弃，并以某种方式将它们排队等待重新处理。

我有一个非常严重的担忧。上述方法要求节点具有或多或少相同的时间。我可以依靠所有 Azure 节点以某种合理的精度（比如几秒钟）具有相同的时间吗？

我们正在寻找能够让我们透明地使用多个电子邮件服务提供商（“ESP”，例如 ConstantContact、JangoMail、Sailthru、SendGrid、VerticalResponse 等）的库、项目或服务。我们选择的任何 ESP 都会不时出现问题，并且由于我们业务的需求，我们需要有一个故障转移解决方案来避免交付失败。

我们正在寻找的基本功能：

• 将电子邮件传递委托给 ESP
• 从一个 ESP 到另一个 ESP 的自动故障转移（仅将一封电子邮件发送给给定的订阅者，而不是重复的）
• 能够检查已配置 ESP 的交付状态（打开率、跳出率、列表大小等）

换句话说，我们想要一个通过使用多个 ESP 来提供容错和恢复的层。如果它是一个库，我们希望它用 Ruby 编写（但我们可能愿意考虑其他语言）。 是否有提供此功能的现有项目或服务？

我们的用例： 我们每天向订阅者发送许多对时间敏感的电子邮件。但是，我们使用的 ESP 可能会下降，但我们仍然需要非常及时地发送电子邮件（在发布后的几秒钟内）。如果初始交付失败，我们希望转移到二级、三级等 ESP 以从故障中恢复。

在寻找现有解决方案时，我空手而归。不过，这两篇博客文章抓住了我们的部分动机：如何确保您的电子邮件被送达，使用多个服务提供商来降低风险并避免失败

我目前正在使用 Flex (Flash Builder 4) 并将 Web 服务连接到 Apache PHP Zend AMF 服务器以检索数据。

这很好用，但我想知道哪些选项可用于容错。

我知道我可能可以设置第二台服务器，如果应用程序无法访问第一台服务器，它会切换到该服务器。对此有任何想法都会很好，但我也在考虑尝试给每台机器一些容忍度。

例如，如果他们至少有能力向应用程序输入数据，那将是一个开始。因此，如果他们单击“保存”并且无法访问服务器，则会将其缓存或存储到本地文件，直到服务器备份。尽管无法进行数据查找可能是一个大问题。

也许已经有一些图书馆或我可以看的东西来做到这一点？