Tolérance aux Défaillances dans les Systèmes Répartis en Environnement Mobile

Advances in new technologies in the field of wireless systems and communications have given rise to modern distributed systems. This has led to an increase in the development of mobile distributed applications. In addition, modern distributed systems are subject to new constraints that must be taken into consideration including failure management which has become more frequent with the vulnerability of the computing units. As a result, fault tolerance becomes a crucial property in this context and particularly for mobile ad hoc networks (MANETs). Our work consists in developing protocols and mechanisms for fault tolerance in this very constraining environment. We are particularly interested in the context of the smooth running of a distributed application. Indeed, in case of failure, the computation must be stopped and a recovery protocol must be launched. The goal is to find a way to replace the failed node and then resume the calculation from a recovery point. The recovery point represents a coherent global state through which the calculation has passed or could have passed. To define such points, it is necessary to record the global state of the system (during the course of the distributed calculation) which we call checkpoint. This recording requires the availability of a stable memory for each node. The checkpointing task must be performed in the background. To realize such a mechanism, we propose in this paper a set of protocols: fault detection, checkpointing, virtual stable storages, and a back rolling recovery protocol. A performance évaluation of these protocols is reported.Les avancées des nouvelles technologiques dans le domaine des systèmes et communications sans fils ont donné naissance aux systèmes distribués modernes. Ceci a engendré une augmentation dans le développement d’applications réparties mobiles. En outre, les systèmes distribués modernes sont sujets à de nouvelles contraintes qu’il faut prendre en considération et parmi ces contraintes la panne qui est devenue plus fréquente avec la vulnérabilité des unités de calcul. De ce fait, la tolérance aux pannes devient une propriété cruciale dans ce contexte et particulièrement pour les réseaux mobiles ad hoc (MANETs). Notre travail consiste à développer des protocoles et mécanismes de tolérance aux pannes dans cet environnement très contraignant. Nous nous intéressons particulièrement au contexte du bon déroulement d’une application distribuée. En effet, en cas de panne, il faut arrêter le calcul et un protocole de recouvrement doit être lancé. Il s’agit de trouver un moyen pour remplacer le noeud défaillant et reprendre par la suite le calcul à partir d’un point de reprise. Le point de reprise représente un état global cohérent par lequel est passé ou aurait pu passer le calcul. Pour définir de tels points, il faut enregistrer l’état global du système (pendant le déroulement du calcul distribué calcul) qu’on appelle point de contrôle. Cet enregistrement nécessite la disponibilité d’une mémoire stable pour chaque noeud. La tâche de calcul des points de contrôle (checkpointing) doit se dérouler en arrière plan. Pour réaliser un tel mécanisme, nous proposons dans ce document un ensemble de protocoles : détection de pannes, checkpointing, mémoires stables virtuelles et un protocole de recouvrement arrière. Une analyse des performances de ces protocoles est donnée