Java实时多任务调度过程中的安全监控设计

2002 年 12 月 29 日

在一系列关联的多任务的实时环境中，如果有一个任务发生失败，可能导致所有任务产生连锁反应，从而造成调度失控的局面。特别是对于核心控制设备尤其重要，为了解决这个问题，必须对每个任务进行实时监控。

在一系列关联的多任务的实时环境中，如果有一个任务发生失败，可能导致所有任务产生连锁反应，从而造成调度失控的局面。特别是对于核心控制设备尤其重要，为了解决这个问题，必须对每个任务进行实时监控。

问题分析

在JAVA环境中，一个任务一般是由一个独立线程来引导实现的，独立线程可能调用一系列子线程。如果在执行过程中，某一个线程发生异常（产生的原因很多，比如软件升级、运行环境改变、系统资抢占等），那么该线程就会停止运行，直到下次任务重新被提交。对于实时环境来说当前任务是失败的。我们无法预测和完全避免异常的发生，但是可以通过一些技术手段来跟踪任务的状态，从而及时发现问题并恢复正常，减少损失。

回页首

设计原理

对于一个实时任务而言，执行效率是非常关键的，这意味着不可能考虑用非常复杂的方式来实现任务监控，即使这样可以做的比较完善，同时监控代码本身也会引入一些异常，这就要求监控程序必须简单可靠，能够发现大多数问题，并能及时处理。

一个可能的简单实现。

我们对每个任务加上一个监控的"壳"，调度程序调用这个"壳"来完成对具体任务的引导和监控，相当于每个任务具有自治能力。这样做的好处有：

1. 分散控制。不需要修改调度主体程序，不增加调度过程的复杂度；
2. 控制灵活，安全性高。对于不同任务可定义不同控制方式和控制参数，封装在任务内部，灵活性好，对个别任务控制代码的修改不会影响其他任务，即任务控制实现松藕合，避免错误扩散。适合团队开发；
3. 维护简单，升级方便。对于新的任务加入也无需改变原来调度程序的结构，只需修改任务表及相关参数，这样在性能提高的同时也简化了软件升级过程中的代码维护量。

回页首

设计实现

每个线程理论上有四种状态：

new	线程对象已经创建，但尚未启动，不可运行
runnable	一旦有时间分片机制有空闲的CPU周期，线程立即开始运行
dead	从run()方法退出后，一个线程即消亡
blocked	线程可运行，但有某种东西阻碍了它。调度机制不给它分配任何CPU时间，直到它进入runnable状态

在实际操作中，为了便于描述，我们重新规定了线程的状态：

Actived	线程已被激活，处于运行状态
Sleeping	线程完成一个特定任务后退出，进入休眠状态
Dead	线程运行过程中发生异常，终止运行，处于死亡状态

根据上述理论，我们只需要对Actived状态的线程进行监控，也只有对Actived状态监控才有意义，这是对监控模块做出逻辑简化。那么如何实现监控模块对具体任务的监控呢？

对具体任务的监控方式有多种，根据任务的不同，需要采用不同的监控代码，但是在结构上基本相同。这和类的重载概念有点相似。本文附有一个简单的例子。

A任务每秒执行一个简单的代数运算 j = 1/ i，并打印结果。我们故意在其中设置了一个异常陷阱，使得执行过程中出现一次被0除的算术异常，下面结合这个例子讲述监控原理。

为了监控A，我们设计了一个监控线程M。M中定义了一些关键逻辑变量：

Keepchecking	持续监控标志
laststatus	保存上次监控状态
maydeadtimes	监控线程可能死亡的计数器
maydeadtimeout	定义判断线程死亡的边界条件
deadtimes	监控线程死亡次数的计数器
deadtimeout	定义判断线程不正常的边界条件

为了适应监控，在A任务中相应增加一些可以被监控的状态和行为：

dead	死状态标志
dead = !dead;	改变状态

整个监控就是围绕这些状态标志和行为展开的。A任务定期修改自己的dead标志，dead是一个布尔变量，理论上只要A没有死，那么dead肯定是周期变化的（和心跳概念差不多），M需要做的就是监控dead的变化。为了避免一些偶然因素导致的误判，我们在M中设置了一些计数器和边界值（maydeadtimes和maydeadtimeout），当M发现A的可能死亡次数超过一定限制后，判断A已死亡，不在继续等待了，作为实时处理，首先注销A的实例，然后重新启动A（和我们计算机死机的复位很像），然后进入新一轮监控。

如果是因为系统偶然因素导致A死亡，那么在随后的新的任务启动过程中一般可以顺利完成。但是万一由于环境参数改变或软件升级存在版本缺陷，A可能始终会产生异常，那么M是否需要耐心地监控下去呢？一个形象的例子是：如果你连续3次开机都失败，你是否会怀疑机器有问题？当然，你会，那么M也应该会。

为了对A任务重复多次死亡有一个统计，M中又引入了另外对计数器和边界值（deadtimes和deadtimeout），和你开计算机的过程一样，如果连续n次都发现A有问题，可以基本肯定不是由于偶然因素引起的，需要对A的代码或系统的环境进行检查。M会发出告警，通知必须要对A进行审查了，然后清空A，自己自动安全退出。如果在核心调度程序中设置一个标志接受M们的告警，就可以有足够理由终止其他任务的执行。可以看见，在A任务发生异常期间，M承担了核心调度程序的维护功能。特别是当任务数量比较多的情况，核心调度程序只能采用排队方式处理任务异常，而且由于处理异常的复杂程度不同，无法保证对多任务异常的实时处理。

还要考虑正常情况下A和M的关系。核心调度程序通过M启动A任务后，M处于持续监控状态，当A正常结束任务后，A需要通知M结束监控，这样，当A进入休眠状态后，M也不会占用内存空间，提高了系统资源的利用率。

通过以上描述，可以看到，上述监控思想具有清晰的概念和可操作性，占用资源少，为保证系统连续稳定运行创造了条件。

具体代码实现附后。

运行结果如下：

异常情况

正常情况

i=-3: status=true M read A status = true i=-2: status=false M read A status = false i=-1: status=true M read A status = true A become Exception! M read A status = true M read A status = true M read A status = true A is deaded! M is restarting A! ____________________________ i=-3: status=false M read A status = false i=-2: status=true M read A status = true i=-1: status=false M read A status = false A become Exception! M read A status = false M read A status = false M read A status = false A is deaded! M is restarting A! ____________________________ i=-3: status=true M read A status = true i=-2: status=false M read A status = false i=-1: status=true M read A status = true A become Exception! M read A status = true M read A status = true M read A status = true Alert! A is unstable, M will stop it （结束）

i=1: status=true M read A status = true i=2: status=false M read A status = false i=3: status=true M read A status = true i=4: status=false M read A status = false i=5: status=true M read A status = true A is Ending M M read A status = true （结束）

回页首

结束语

通过给制定任务线程增加监控线程，可以很好地解决实时多任务环境下的安全监控问题，同时避免了核心调度线程事务过分复杂的问题。实践证明，该方法复杂度小，占用资源少，运行可靠，适合复杂条件下的多任务环境。

回页首

源代码：

package safethread;
// 核心调度程序
public class mythread {
  public mythread() {  }
  public static void main(String[] args) {
    M m = new M();
  }
}
// A 任务线程
class A extends Thread {
  public static boolean dead = false;
  M m;
  A(M m){
    m = m;
    start();
  }
  public void run(){
     try{
      for(int i=-3;i<= 5;i++){
        int j=1/i;   // 人为设置过程中陷阱
        dead = !dead;  // 活动状态
        System.out.println("i=" + i + ": status=" + dead);
        try{
          sleep(2000);
        }
        catch(InterruptedException ie){
          System.out.println("A is Interrupted!");
        }
      }
      m.Keepchecking = false;  //A 正常结束后关闭监控线程
      System.out.println("A is Ending M");
    }
    catch(Exception e){
      System.out.println("A become Exception!");
    }
  }
}
// 监控线程
class M extends Thread{
  public static boolean Keepchecking = true;  // 持续监控标志
  boolean laststatus;     //保存上次监控状态
  int maydeadtimes = 0;  //监控线程可能死亡的计数器
  int maydeadtimeout = 3;//定义判断线程死亡的边界条件
  int deadtimes = 0;     //监控线程死亡次数的计数器
  int deadtimeout = 3;   //定义判断线程不正常的边界条件
  A a;
  M(){start();}
  public void run(){
    schedule();
    while(Keepchecking){
      laststatus = a.dead;
      try{
        sleep(2000);
      }
      catch(InterruptedException e){
        System.out.println("M is Interrupted!");
      }
      System.out.println("M read A status = " + a.dead);
      if(laststatus == a.dead ){
        if(++maydeadtimes >= maydeadtimeout){
          if(++deadtimes >= deadtimeout){
            System.out.println("Alert! A is unstable, M will stop it");
            a = null;
            break;
          }
          else{
            System.out.println( "A is deaded!");
            schedule();
            System.out.println("M is restarting A!\n____________________________\n");
          }
        }
      }
      else{
        maydeadtimes = 0;
      }
    }
  }
  private void schedule(){
    A a = new A(this);
  }
}

关于作者

		方浩波 在位于中国浙江杭州市的东方通信股份公司网络研究所工作。目前，他从事移动通信网络管理软件的设计和测试工作。在此之前，他主要负责多媒体视频会议产品的开发和技术推广，此外还从事过无线通信产品电路设计和交换机软件的研发。您可以通过 fanghb@eastcom.com与 方浩波 联系。