A Survey of Recoverable Distributed Shared Memory Systems

Distributed Shared Memory (dsm) systems provide a shared memory abstraction on distributed memory architectures (distributed memory multicomputers, networks of workstations). Such systems ease parallel application programming since the shared memory programming model is often more natural than the message-passing paradigm. However, the probability of failure of a dsm system increases with the number of sites. Thus, fault tolerance mechanisms must be implemented in order to allow processes to continue their execution in the event of a failure. This paper gives an overview of recoverable dsm systems (rdsm) that provide a checkpointing mechanism to restart parallel computations, after a site failure. Une synth ese des syst emes a m emoire virtuelle partag ee recouvrables R esum e : Les syst emes a m emoire virtuelle partag ee oorent a leurs utilisateurs l'illusion d'une m e-moire partag ee sur les architectures a m emoire distribu ee (r eseaux de stations de travail, machines parall eles a m emoire distribu ee). De tels syst emes facilitent la programmation des applications pa-rall eles, car le mod ele de programmation par partage de m emoire est souvent plus naturel que le mod ele de programmation par echange de messages. Toutefois, plus le nombre de composants dans un syst eme a m emoire virtuelle partag ee augmente, plus la probabilit e qu'une d efaillance se pro-duise est importante. Des m ecanismes de tol erance aux fautes doivent par cons equent ^ etre ajout es aux syst emes a m emoire virtuelle partag ee. Ce rapport eeectue un tour d'horizon des m ecanismes de sauvegarde et restauration de points de reprise dans les syst emes a m emoire virtuelle partag ee (m emoires virtuelles partag ees recouvrables). Ces m ecanismes permettent de poursuivre l'ex ecution d'une application parall ele en d epit de la d efaillance d'un site.