基于網絡中混合備用元件的可靠性評估策略

陳 杰，史小宏

(上海海事大學 信息工程學院，上海 201306)

基于網絡中混合備用元件的可靠性評估策略

陳 杰，史小宏

(上海海事大學 信息工程學院，上海 201306)

隨著大型網絡系統復雜性的不斷提升，能否在規定任務時間內降低執行元件失效性從而提高系統執行可靠性變得格外重要。備用元件概念的引入大大緩解了此類矛盾。由于備用元件在等待替代過程中會出現失效現象，因此對網絡中備用元件的要求也隨之提高。在對備用元件進行選擇分類時，混合備用的思想被用在了可靠性評估之中。從提高樣本評估的準確率著手，提出一種啟動備用元件的混合排序策略，并將它應用到預期任務成本評估之中。實驗結果表明，在大多數情況下該策略均能取得預期的效果，能夠顯著降低備用元件失效的概率，保障網絡系統中的任務能夠順利執行。

失效性；備用元件；混合備用；可靠性評估；預期任務成本

0 引 言

隨著當今科技的飛速發展，通過備用技術獲得高可靠性的方式在多個領域中得到了廣泛應用，如通信網絡、計算機網絡、傳感器網絡、衛星技術、電力系統等等。在系統或設備的全壽命周期期間，可靠性評估的工作貫穿整個研發過程，包含設計、生產、實驗直至退役。在研究領域，有人提出將所有設備故障的模式用布爾變量來表示其排序過程，然后針對各個階段建立故障樹模型，并通過依賴函數(Dependence Algebra)及階段代數(Phase Algebra)將故障樹轉換為MBDD(Multistate BDD)模型，利用MBDD模型編程求解，最終獲得頂事件失效的概率；Mo Yuchang針對排序問題繼續深入研究，采用啟發式算法進行排序，從而可以達到縮小BDD規模的目的[1]。

在一個備用系統中，多備用元件的模型能確保系統順利運行，但是這些先進技術在運行時也會造成大量的系統活躍元件損耗，即元件失效[2]。在預防可靠性系統失效方案中，備用元件在計算機系統的使用更為廣泛。工作過程是在線元件失效后，備用元件立即激活并進入系統代替失效元件繼續工作。這些技術目前被廣泛應用于飛行起降控制、空間系統和大型網絡系統中。根據常見的失效特征及轉換期間的實際操作，將目前常見的備用技術歸為3類：熱貯備(Hot Standby Mode,HSM)、冷貯備(Cold Standby Mode,CSM)和溫貯備(Warm Standby Mode,WSM)[3]。文中提出一種新的混合備用策略，通過對備用元件狀態依賴的待機模型轉化成失效元件進行跟進操作[4]。

1 元件的混合冗余備份模型

1.1 模型的知識架構

由于熱備用元件一直是處于激活狀態中并等待執行，所以具有提供快速替代失效元件的能力，所以熱貯備模型的開銷是最大的。相對而言冷備用元件一直處于休眠狀態，在大型系統中延遲恢復，為了降低啟動成本，冷備用元件在此時發揮了作用。而溫貯備模型則是介于兩者之間，經歷了一個較為溫和的操作環境，部分處于操作環境下，處于待機狀態。其中熱貯備元件所處的環境壓力和在線操作元件相同，因此其失效率也隨之相應一致[5]。為了在任務執行過程中的操作模型之間(Operation Mode,OM)獲得平衡以期達到任務的順利進行，采用的方式如下：

(1)系統模型的組織方式及修復方式。

規定混合備用模型中組成系統的N個獨立元件m，并將其分布表示為m(1),m(2),…,m(N)。起先進入系統進行OM的是m(1)，隨后置元件m(2),m(3),…,m(N)為熱備用狀態，使其處于激活等待狀態，并進入HSM中等候調用。處于待機狀態的m(3)則置于WSM中，最后處于休眠狀態的CSM為以下元件：m(4),m(5),…,m(N)。當在線元件失效或者離開OM時，HSM中的元件進入系統替代后繼續工作。WSM中元件依次進入HSM中等候替代操作。在約定時間內激活CSM并使其處于待機狀態進入WSM。

(2)模型的構建方式。

元件m(N)在CSM中激活，處于WSM到HSM的時間開銷為t+σ，且轉化期間未出現元件失效，則元件m(2),m(3),…,m(N-1)在3種狀態之間轉變的時間開銷為t。

若模型中該備用元件處于CSM-WSM-HSM的狀態轉換中，期間未出現過失效行為，并且元件最終在OM中執行，故判定此元件在轉換到操作的過程是成功的[6]。

1.2 模型結構的約定方式

1)模型的轉移過程。

當網絡中元件從CSM傳輸到WSM再傳輸到HSM時，規定預期任務所開銷[7]的元件未出現過失效行為，即在前期的m(1),m(2),…,m(i)期間未出現過失效。當這一系列行為順利完成時，可以稱這個混合備用系統為H系統。具體實現如圖1所示，并做如下規定：

(1)元件在OM,HSM,WSM,CSM中除了參數的標記表達不同，其余屬性一致；

(2)任務操作期間，4種狀態模型是并行存在的；

(3)和工作期間所開銷的時間任務成本相比，CSM→HSM的時間,WSM→HSM的時間，HSM→OM的時間忽略不計。

圖1 備用元件間的狀態轉換比較

圖(a)-(c)是無冷備用元件參與的可能結果；圖(d)-(f)是冷備用元件參與的可能結果。任務進行順利，并運行到第m(i)時，在CSM→HSM的開銷為MCW(m(k))，WSM→HSM的開銷為MWH(m(k))，在HSM中的開銷為MHO(m(k))，又知CSM在休眠過程中無開銷，激活后進入待機狀態WSM，隨后轉移到HSM中。HSM中元件的等待時間UH(m(k))遠遠大于WSM中元件的等待時間UW(m(k))，但卻小于操作時間UO(m(k))。規定UW(m(k))

2)結構的修復方式。

此類高可靠性的應用模型，通常會采取多種校驗方式及自糾方式，如在中央處理機中設置奇偶校驗預測方式。

圖2 備用元件修復步驟

在網絡任務執行過程中，通過同步事件記錄及執行操作記錄來異步記錄備用元件及任務運行記錄，通過寄存器存儲單元采集失效元件物理及邏輯地址。根據MCIC碼、現場信息來統計分析故障位置，并找出故障源。圖2展示了系統中備用元件修復失效元件的過程。

2 系統模型中備用元件的失效率

2.1 模型失效概率

已知任務執行期間的時間為tS，進行S等分后，每個元件的操作時間可以細化為Δ=tS/S。令元件失效的概率為Fi(t)，則元件間失效的間隔為Fi(Δ(k+1))-Fi(Δk)。令指數分布的時間失效率為λi，則暴露的失效率d=1，由此進一步推斷出1-S單位時間間隔內的失效率為：

Pi(k)=exp(-λiΔk)[1-exp(-Δik)]

(1)

基于韋伯分布的刻度參數ηi和形狀參數βi，得到Fi(t)=1-exp(-(t/ηi)βi)，則有：

Pi(k)=exp{-[Δk/ηi]βi}-exp{- [Δ(k+1)/ηi]βi}

(2)

該公式的執行條件是在理想情況下元件所處任意狀態(不包含OM狀態)且失效時間不超過操作時間[8]。

考慮到元件分布具有分散特性，這里引入干涉理論來進行可靠度計算。

2.2 失效和失效矢量

在構成整個任務的執行元件序列之前，處于三態狀態的備用元件經歷失效期、穩定失效期和劇烈失效期。在任務執行過程中引發的備用元件的失效稱為失效矢量。這里規定為ω，其基本單位描述為μm。

失效矢量自時間變化而變化的形式稱為失效速率。因此可以稱失效量是時間的函數。

在網絡操作元件實際轉換過程中，影響備用元件失效的因素還有很多，如任務中斷、傳輸速度、任務死循環等，外部條件如環境及服務器硬件因素等，因此構建通式不是特別容易。從現有網絡可靠性實踐來看，備用元件的失效量符合時間變化的概率。

3 混合備用元件的HFST轉換策略

提出失效驅動的混合備用轉換系統[9](HFST)來計算復雜度。

3.1 元件遷移方式

在狀態激活階段，加入冷貯備元件在任務操作過程中作為替換。對于一個執行周期為t的任務，累積的失效分布備用元件n置于CSM中，激活處于休眠狀態的元件，WSM中的待機元件進一步激活，HSM中則處于時刻準備狀態，最后OM中進行任務執行。這里將元件所處時間進行分配，冷貯備時間為τCSM，溫貯備時間為τWSM，熱貯備時間為τHSM。綜上所述，該元件在任務執行時間τCSM+τWSM+τHSM+τOM完成前的失效率為：

Fi(t)=Fi(DC(n)τCSM+DW(n)τWSM+ DH(n)τHSM+tOM)

(3)

限制條件為0≤DC(n)≤DW(n)≤DH(n)≤1，將DC(n)τCSM近似為0。所給的元件n在各狀態間進行轉移得出失效概率：

Fi(tC,tW,tH,tO,tF)=Fi(DC(n)τCSM+

DW(n)τWSM+DH(n)τHSM+τOM)=

Fi(DW(n)τmin(tH,tO,tF)+

DH(n)max(0,min(tF-tH,tO-

tH)+max(0,tF-tO)))

(4)

3.2 元件失效概率

對于累積的失效分布備用元件n在各狀態間等份地進行轉換，基于元件的離散分布[10]，可以得出元件在冷貯備狀態下為KC=tH/Δ，溫貯備下為KW=tW/Δ,熱貯備下為KH=tH/Δ，操作狀態下的時間等份為KO=tO/Δ，狀態間的失效分布率為：

pi(KC,KW,KH,KO,KF)=

Fi(t(ΔkC,ΔkW,ΔkH,ΔkO,Δ(kC+1)))-

Fi(t(ΔkC,ΔkW,ΔkH,ΔkO,ΔkF)

(5)

3.3 元件分布序列集成

若系統中的元件分布不同，則激活元件的開銷受系統可靠性和預期任務成本所影響[11]。為此對元件序列做出如下約束：系統元件m(1),m(2),…,m(N)在忽略轉換時間的最小任務成本開銷規定為E，此時的任務可靠性規定為N。

通常情形下，休眠及待機元素在系統中的數目并不高[12]。考慮元件數量對準確性的影響，即元件數越大對系統開銷的影響就越大，反之則相反[13]。

3.4 算法過程

對于混合備用的元件從KC,KW,KH,KO,KF的一個時間等份，獲得失效概率的迭代偽代碼，如下所示：

MAKE-SET(t=0,d1=DC(i),d2=DW(i))

forkF=0,1,…,m-1,dothenext

whilekC

ifkF>kO,maked2=0

pi(KC,KW,KH,KO,KF)=Fi(t+dΔ)-Fi(t)

endfor

部分混合備用元件HFST算法如圖3所示。

在執行任務期間，元件在OM狀態后會失效或關閉。備用元件離開CSM后，在WSM及HSM中進行狀態轉移時也會出現元件失效。

規定元件在CSM中的時間為tC，在WSM中為tW，在HSM中為tH，最后作為備用元件在OM中執行的時間為tO。為確保元件的順利替換，可獲知時間間隔間的關系為tC+tW+tH≤tO(t≠0)。備用元件在3種狀態進行轉換替代過程中未出現過在原狀態遺留現象[14]，即在前一狀態失效時立刻進行替換工作。

圖3 部分混合備用元件HFST算法

4 實驗及仿真

4.1 實驗步驟

由于該數據集的樣本數較少，且為平衡獲取的數據集，在該樣本上分別使用了啟發式排序算法和混合備用排序策略。文中相關工作主要分為以下幾步：

(1)對相關原始數據做盒須圖處理，將產生延遲的數據進行剔除處理；

(2)對相關統計的實驗數據進行歸一化處理；

(3)對已經處理完畢的數據與原數據按比例進行劃分；

(4)對數據降維之后，對每個子數據集進行SVM算法的分類；

(5)根據混合備用排序策略對最終結果進行集成并將其輸出；

(6)通過啟發式算法對約定范圍內的數據進行輸出并比較。

實驗通過基于混合備用元件的策略，對比了啟發式排序算法對網絡中元件的可靠性評估，剔除延遲數據后在約定區間內按比例對子數據集分類。

將樣本序列隨機分為5份，并對其樣本數據進行十字交叉驗證得出該測試樣本。該數據集各項參數指標如表1所示。

表1 系統中備用元件的參數指標

需要說明的是，為使得實驗結果盡量準確，因此使得每個子數據塊的樣本的轉換開銷盡量相似，這樣就能使得采集的不平衡數據集盡量一致。

由于備用元件在系統模型中是基于動態分布的，所以備用元件在系統模型中采取Weibull分布。Weibull分布在可靠性工程領域有著較為廣泛的應用，在建模過程中也能表現出更高的靈活性。它的主要思想是：將系統模型劃分成多個可執行元件(i個)，并將元件按序列分類后進行串聯操作。將該模型分類成i個環，組合為一個鏈環。此時它的壽命周期受失效率最高處環的壽命周期的影響。若將單個鏈的壽命周期看成一個自由組合的可變值，且令各環壽命周期之間相互獨立，并保持元件序列在模型之中的分布相當，則此時鏈壽命周期的問題就變成了求解元件序列分布的極小值問題。對于所輸入的數據而言，在推斷出分布參數后，將會在處理元件壽命周期試驗中來使用。

4.2 實驗結果與分析

分別通過啟發式算法及混合備用策略對元件可靠性和預期任務在約定范圍內進行評估。首先通過SVM算法進行元件分類后，對兩組不同數量的備用元件分別進行對比。

在評估樣本可靠性過程中，通過特征選擇方式發現，在不同數量級的對比中，啟發式算法與混合備用策略各占優勢，如圖4和圖5所示。

圖4 k值取樣200～400時任務可靠性比較

圖5 k值取樣20～200時成本開銷比較

通過實驗仿真不難看出在約定備用元件數量下，混合備用策略的預期成本開銷低于啟發式算法且任務可靠性要高于啟發式算法。

5 結束語

備用元件系統在提高執行系統可靠性方面起到了推進作用，并在多領域得以應用。文中針對已有的混合備用元件策略進行改進，將混合備用元件與分配選擇相結合，有效降低了網絡系統運行時產生的元件失效性問題。該方法通過基于混合備用的方式，利用對備用元件進行分配控制，從而減少了系統運行過程中出現的執行元件失效替換問題。該方法通過將狀態轉換，即CSM→WSM→HSM的過程，最終確保元件在OM中任務的平穩運行。實驗結果表明，在比較的兩種可靠性評估策略中，該混合備用策略具有一定優勢。

[1]MoYuchang.VariableorderingtoimproveBDDanalysisofphased-missionsystemwithmultimodefailures[J].IEEE

TransactionsonReliability,2009,58(1):53-57.

[2]LuoW,QinX,TanXC,etal.Exploitingredundanciestoenhanceschedulabilityinfault-tolerantandreal-timedistributedsystems[J].IEEETransactionsonSystems,Man,andCybernetics-PartA:SystemsandHumans,2009,39(3):626-639.

[3] 俞 建,胡 濤,楊建軍,等.多階段任務系統可靠性并聯冗余優化模型[J].火力與指揮控制,2012,37(1):159-163.

[4]PandeyD,JacobM,YadavJ.Reliabilityanalysisofapower-Loomplantwithcoldstandbyforitsstrategicunit[J].MicroelectronicsReliability,2012,36(1):114-117.

[5]RausandM,H?ylandA.Systemreliabilitytheory:models,statisticalmethods,andapplications[M].2nded.NewYork,NY,USA:Wiley-Interscience,2003.

[6] 胡 濤,楊春輝,楊建軍.多階段任務系統可靠性與冗余優化設計[M].北京:國防工業出版社,2012:19-23.

[7]KuoW.最優可靠性設計:基礎與應用[M].北京:科學出版社,2011.

[8] 金 星.工程系統可靠性數值分析方法[M].北京:國防工業出版社,2009.

[9]XingL,LevitinG.BDD-basedreliabilityevaluationofphased-missionsystemswithinternal/externalcommon-causefailures[J].ReliabilityEngineeringandSystemSafety,2013,112:145-153.

[10] 莫毓昌.高可靠實時多階段系統可靠性分析[D].哈爾濱:哈爾濱工業大學,2008.

[11]XingLiudong.Reliabilityevaluationofphased-missionsystemwithimperfectfaultcoverageandcommon-causefailures[J].IEEETransactionsonReliability,2011,53(2):174-185.

[12] 宋保維.系統可靠性分析與設計[M].西安:西北工業大學出版社,2011.

[13]WangC,XingL,VokkaraneVM,etal.Reliabilityandlife-timemodelingofwirelesssensornodes[J].Microelectron.Rel.,2014,54(1):161-165.

[14] 黎 湘,郁文賢.決策層信息融合的神經網絡模型與算法研究[J].電子學報,1997,25(9):117-120.

Reliability Assessment Strategy of Hybrid Standby ElementsBased on Network

CHEN Jie,SHI Xiao-hong

(College of Information Engineering,Shanghai Maritime University,Shanghai 201306,China)

With the rising complexity of a large network system,it becomes extremely important to improve the system reliability for implementation by reducing the failure of the implementation of the components within the mandated time.The concept of hybrid standby has greatly eased the contradiction.Fully considering the failure of standby elements in the process of the waiting for an alternative,the requirements of the standby elements of the network are increased.The idea of hybrid standby is applied to assess the reliability when assigned the standby elements selection.In order to improve the accuracy of the sample assessment,a hybrid order strategy is presented to start standby elements and applied to the expected task cost assessment.The experiments show that in most cases the strategy can achieve the expected results which can reduce the probability of the failure of standby elements significantly,enduring network system for implementation successfully.

failure;standby element;hybrid standby;reliability assessment;expected task cost

2016-01-10

2016-05-12

時間：2016-11-21

交通運輸部應用基礎研究項目(2015329810030)；上海市教育科研創新項目(14YZ113)

陳 杰(1991-),男,碩士研究生,研究方向為移動Agent技術、復雜系統可靠性評估；史小宏,副教授,研究方向為移動Agent技術、復雜系統可靠性評估。

http://www.cnki.net/kcms/detail/61.1450.TP.20161121.1633.020.html

TP39

A

1673-629X(2016)12-0082-05

10.3969/j.issn.1673-629X.2016.12.018