Fault Tolerant System Design

Lecturer

Elena Dubrova
Electronic Systems (ES)
ICT/KTH

[email protected]
http://www.ict.kth.se/~dubrova

p. 2 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 Office hours

• No fixed time

• Send me an email with your questions or ask for 
a meeting

p. 3 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 Teaching Assistant

Shohreh Sarif Mansouri
PhD Student, Electronic Systems
ICT/KTH

[email protected]

p. 4 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 Text book

• E. Dubrova, Fault­Tolerant Design: An 
Introduction, draft
• Available from my homepage

p. 5 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 Course evaluation

• Midterm exam (20%)
M
• Final exam (60%)
F
• 5 assignments (20%)
5

p. 6 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 Assignments

• 5 assignments, worth 20% of the final 
grade
– each consists of 5­6 tasks, worth 1­3 points
– should be handled to me on the due date
– late assignments will get reduced points (­25% 
per day)

p. 7 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 Examinations

• Midterm exam, 45 min, worth 20% of the 
final grade
– will be done during 45 min on a lecture in the 
middle of the course, 4­5 tasks
– cannot be re­done
• Final exam, 4 hours, worth 60% of the final 
grade
– 4 hours, 10­12 tasks

p. 8 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 PhD students

• Additional component for PhD students:
– select 2 interesting papers/problems, related to 
the course material
– bring them to me for discussion
– I will select one of them
– you will read this paper/solve the problem, 
write a 2­page report and give a 20 min talk at 
the last lecture

p. 9 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 Objectives

• understanding fault tolerance 
– faults and their effects (errors, failures)
f
– redundancy techniques 
– evaluation of fault­tolerant systems 
• balance 
– concepts, underlying principles
– applications 

p. 10 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 Overview
• Introduction
– definition of fault tolerance, applications
• Fundamentals of dependability
– dependability attributes: reliability, availability, safety
– dependability impairments: faults, errors, failures
– dependability means
• Dependability evaluation techniques
– common measures: failure rate, MTTF, MTTR
– reliability block diagrams
– Markov processes

p. 11 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 Overview

• Redundancy techniques
– space redundancy
• hardware redundancy
• information redundancy
• software redundancy
– time redundancy

p. 12 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
Introduction to Fault Tolerance
 Fault tolerance

fault-tolerance is the ability of a system

broken connection hardware

p. 14 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 Easily testable system

• Easily testable system is one whose ability 
to work correctly can be verified in a simple 
manner

p. 15 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 Why do we need fault­tolerance?

• It is practically impossible to build a perfect 
system
– suppose a component has the reliability 
99.99%
– a system consisting of 100 non­redundant 
components will have the reliability 99.01%
– a system consisting of 10.000 components will 
have the reliability 36.79%
• It is hard to forsee all the factors
p. 16 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 Redundancy

• Redundancy is the  provision of functional 
capabilities that would be unnecessary in a 
fault­free environment
– replicated hardware component
– parity check bit attached to digital data 
– a line of program verfiying the correcntess of 
the resut

p. 17 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 History

• early computer systems 
– basic components had very low reliability
– fault­tolerant techniques were need to 
overcome it
• redundant structures with voting 
• error­detection and error correction codes

p. 18 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 History
• early computer systems
– EDVAC (1949)
E
• duplicate ALU and compare results of both
• continue processing if agreed, else report error
– Bell Relay Computer (1950)
B
• 2 CPU’s
• one unit begin executing the next instruction if the 
other encounts an error
– IBM650, UNIVAC (1955)
I
• parity check on data transfers

p. 19 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 History

• Advent of transistors
– more reliable components
– led to temporary decrease in the emphasis on 
fault­tolerant computing
– designers thought it is enough to depend on 
the improved reliability of the transistor to 
guarantee correct computations

p. 20 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 History
• last decades
– more critical applications
• space programs, military applications
• control of nuclear power stations
• banking transactions
– VLSI made the implementation of many redundancy 
techniques practical and cost effective 
– Other than hardware component faults need  to be 
tolerated:
• transient faults (soft errors) caused by environmental factors
• software faults

p. 21 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 Applications

• safety­critical applications 
– critical to human safety
• aircraft flight control
– environmental disaster must be avoided
• chemical plants, nuclear plants
– requirements 
• 99.99999% probability to be operational at the end 
of a 3­hour period

p. 22 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 Applications
• mission­critical applications 
– it is important to complete the mission
– repair is impossible or prohibitively expensive
• Pioneer 10 was launched 2 March 1970, 
passed Pluto 13 June 1983
• requirements
• 95% probability to be operational at the end of 
mission (e.g. 10 years) 
• may be degraded or reconfigured before (operator 
i
interaction possible)

p. 23 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 Applications

• bisness­critical applications 
– users want to have a high probability of 
receiving service when it is requested
– transaction processing (banking, stock 
e
exchange or other time­shared systems)
• ATM: < 10 hours/year unavailable
• airline reservation: < 1 min/day unavailable

p. 24 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 Applications

• maintenance postponement applications
– avoid unscheduled maintenance
– should continue to function until next planned 
r
repair (economical benefits)
– examples:
• remotely controlled systems
• telephone switching systems (in remote areas)
t

p. 25 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 Goals of fault tolerance

The main goal of fault tolerance is

p. 26 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 Dependability

Dependability
is the ability of a system to
deliver its intended level of
service to its users

p. 27 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 Dependability tree

availability
attributes reliability
safety

fault tolerance
dependability fault prevention
means fault removal
fault forecasting
faults
impairments errors
failures

p. 28 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 Reliability

• R(t) is the probability that a system 
operates without failure in the interval [0,t], 
given that it worked at time 0

• We need high reliability when:
– even momentary periods of incorrect 
performance are unacceptable (aircraft, heart 
p
pace maker)
– no repair possible (satellite, spacecraft)
n

p. 29 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 High reliability examples

• airplane: 
– R(several hours) = 0.999 999 9 = 0.97 

• spacecraft: 
– R(several years) = 0.95

p. 30 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 Reliability versus fault tolerance

• Fault tolerance is a technique that can 
improve reliability, but 
– a fault tolerant system does not necessarily 
have a high reliability
– a system can be designed to tolerate any 
single error, but the probability of such error to 
occur can be so high that the reliability is very 
low

p. 31 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 Reliability versus fault tolerance

• A highly reliable system is not necessarily 
fault tolerant
– a very simple system can be designed using 
very good components such that the probability 
of hardware failing is very low
– but if the hardware fails, the system cannot 
continue its functions

p. 32 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 How fault tolerance helps

• Fault tolerance can improve a system’s 
reliability by keeping the system operational 
when hardware or software faults occur
– a computer system with one redundant 
processor can be designed to continue working 
correctly even if one of the processors fails  
– QUESTION: Will a fault­tolerant system always 
be more reliable than an individual component?

p. 33 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 Availability

• A(t) is the probability that a system is 
functioning correctly at the instant of time t

• depends on 
– how frequently the system becomes non­
operational
– how quickly it can be repaired

p. 34 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 Steady­state availability
• Often the availability assumes a time­
indepentent value after some initial time 
interval
• This value is called steady­state availability 
Ass
• Steady­state availability is often specified in 
terms of downtime per year
Ass = 90%, downtime = 36.5 days/year
Ass = 99%, downtime = 3.65 days/year
p. 35 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 Reliability versus availability

• reliability depends on an interval of time
• availability is taken at an instant of time
• a system can be highly available yet 
experience frequent periods of being non­
operational as long as the length of each 
period is extremely short

p. 36 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 High availability examples 

• examples
– transaction processing 
• ATM: Ass=0.93 (< 10 hours/year unavailable)
 
• banking: Ass=0.997 (< 10 s/hour unavailable)
=
– computing
• supercomputer centres
Ass=0.997 (< 10 days/year unavailable)
=
– embedded
• telecom: Ass=0.95 (< 5 min./year unavailable)
 
p. 37 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 How fault tolerance helps

• Fault tolerance can improve a system’s 
availability by keeping the system 
operational when a failure occur 
– a spare processor can perform the functions of 
the system, keeping its available for use, while 
the primary processor is being repaired

p. 38 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 Safety

• Safety is the probability that a system will 
either perform its function correctly or will 
discontinue its operation in a safe way

• System is safe
– if it functions correctly, or
– if it fails, it remains in a safe state

p. 39 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 High safety examples

• railway signalling
– all semaphores red
• nuclear energy
– stop reactor if a problem occur
• banking 
– don’t give the money if in doubt

p. 40 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 Reliability versus safety

• Reliability is the probability that a system 
will perform its functions correctly
• Safety is the probability that a system will 
either work correctly or will stop in a 
manner that causes no harm

p. 41 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 How fault tolerance helps

• Fault tolerance techniques can improve 
safety by turning a system off if a failure of 
a certain sort is detected
– in a nuclear power plant the reaction process 
should be stopped if some discrepancy is 
detected

p. 42 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
Summary: attributes of dependability

• reliability: 
– continuity of service
• availability: 
– readiness for usage
• safety: 
– non­occurrence of catastrophic consequences 
on environment

p. 43 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab
 Next lecture

• Faults, error and failures
• Design philosophies to combat faults

p. 44 ­ Design of Fault Tolerant Systems ­ Elena Dubrova, ESDlab