Fault Tolerance for Service Function Chains

Self-healing Dilemmas in Distributed Systems: Fault Correction vs. Fault Tolerance

Large-scale decentralized systems of autonomous agents interacting via asynchronous communication often experience the following self-healing dilemma: fault detection inherits network uncertainties making a remote faulty process indistinguishable from a slow process. In the case of a slow process without fault, fault correction is undesirable as it can trigger new faults that could be prevented with fault tolerance that is a more proactive system maintenance. But in the case of an actual faulty process, fault tolerance alone without eventually correcting persistent faults can make systems unde…

增强基于定额的循环路由中的容错能力

Enhancing fault tolerance capabilities in quorum-based cycle routing

在本文中，我们提出了一个广义的R冗余循环技术，提供光网络几乎容错通信。更重要的是，当应用仅使用单个周期，而不是标准的成对周期，广义R冗余技术示出了几乎一半的必要的光径资源在网络中，同时保持容错性和可靠性预期从基于周期的路由。为了提高效率和分布式控制，在分布式系统和算法中，通常将节点分组为称为仲裁集的相交集合。基于光迹形成光循环的最佳通信法定量集已被证明可以灵活有效地路由点到点和多点对多点的业务请求。通常，循环路由技术将使用成对的循环来实现路由和容错，这使用大量资源并产生潜在的利用不足。相反，我们有意利用R冗余的法定周期内的容错，使得每个点对点通信对发生在至少R个周期。结果是一组R = 3的冗余循环，即使有两个同时发生的故障，也具有93.23-99.34%的故障覆盖率，同时使用少38.85-42.39%的资源。

Araucaria：利用高级意图简化INC容错

Araucaria: Simplifying INC Fault Tolerance with High-Level Intents

Araucaria系统通过意图语言简化网内计算（INC）容错要求的定义与实现，利用细化过程自动转换意图并集成配置，实验证明其可扩展且故障场景下开销可忽略。

基于定额的单向资源有效利用和容错周期规划

Unidirectional Quorum-based Cycle Planning for Efficient Resource Utilization and Fault-Tolerance

在本文中，我们提出了一个贪婪的循环方向启发式，以改善广义$\mathbf{R}$冗余仲裁循环技术。当仅使用单个循环而不是标准成对循环时，已示出广义$\mathbf{R}$冗余技术几乎将网络中所需的光迹资源减半。我们的贪婪启发式提高了这种基于周期的路由技术的容错性和可靠性。为了提高效率和分布式控制，在分布式系统和算法中，通常将节点分组为称为仲裁集的相交集合。基于光迹形成光循环的最佳通信法定量集已被证明可以灵活有效地路由点到点和多点对多点的业务请求。通常，循环路由技术将使用成对的循环来实现路由和容错，这使用大量资源并产生潜在的利用不足。相反，我们使用单个周期并有意利用仲裁周期内的$\mathbf{R}$冗余，使得每个点对点通信对至少在$\mathbf{R}$周期中发生。如果没有成对的周期，仲裁周期的方向对容错性能变得至关重要。为此，我们开发了一个贪婪的循环方向启发式算法，我们的单故障网络模拟显示，丢失对减少了30%以上，这意味着故障覆盖率的显着改善。

SHIFT：探索RDMA网络容错的边界

SHIFT: Exploring the Boundary of RDMA Network Fault Tolerance

SHIFT通过用户空间RDMA层实现跨NIC容错，保持正确内存语义，有效应对NIC故障和链路异常，减少训练重启成本。

面向工业物联网的弹性时间敏感网络：配置与容错评估

Resilient Time-Sensitive Networking for Industrial IoT: Configuration and Fault-Tolerance Evaluation

本文提出基于OMNeT++/INET的模块化仿真框架IN2C，通过集成时间同步与FRER等核心TSN特性及XML故障注入，评估工业物联网在真实故障下的容错性能，发现FRER能消除丢包并实现亚毫秒级恢复，为带宽受限环境部署提供指导。