تحمل خرابی در سیستم های توزیع شده مدرن مروری بر مکانیسم های کلاسیک تا پارادایم های هوش مصنوعی و بدون سرور

سیستم های توزیع شده مدرن ستون فقرات زیرساخت های حیاتی جهان هستند از بانکداری الکترونیک و شبکه های مخابراتی تا سکوهای تجارت الکترونیک و سیستم های پردازش کلان داده قابلیت اطمینان و در دسترس بودن این سیستم ها در مواجهه با خرابی های اجتناب ناپذیر یک الزام اساسی است. تحمل خرابی (Fault Tolerance) به عنوان توانایی ادامه سرویس در حضور خرابی از مکانیسم های کلاسیک مانند الگوریتم های اجماع Paxos و Raft تا رویکردهای نوین مبتنی بر هوش مصنوعی و معماری های بدون سرور تکامل یافته است. این مقاله به ارائه یک مرور نظام مند بر تحول پارادایم های تحمل خرابی می پردازد. با جستجو در پایگاه های داده معتبر ACM، IEEE و Springer ۳۲ مقاله کلیدی بین سال های ۲۰۲۱ تا ۲۰۲۶ انتخاب و در چهار نسل طبقه بندی شده اند. یافته ها نشان می دهد که الگوریتم های اجماع بیزانسی نسل جدید مانند RingBFT تاخیر تشخیص خطا را تا %۹۹ کاهش داده اند. الگوهای خود-ترمیمی در معماری های میکروسرویسی میانگین زمان بازیابی (MTTR) را از ۳۸ دقیقه به ۱۲.۴ ثانیه رسانده اند. رویکردهای مبتنی بر یادگیری ماشین دقت پیش بینی خطا را تا ۹۸ با شبکه های حافظه کوتاه بلندمدت (LSTM) امکان پذیر ساخته اند. در معماری های سرورلس چالش های منحصر به فردی مانند شروع سرد (Cold Start) و ذخیره سازی وضعیت مطرح است. تحمل خرابی مدرن از یک مکانیسم واکنشی صرف به یک قابلیت پیش بینی کننده و خودمختار تکامل یافته است، اما شکاف های تحقیقاتی مهمی مانند مدیریت خطاهای همزمان، عدم وجود مجموعه داده، استاندارد و پیاده سازی عملی الگوریتم های کوانتومی هیبرید هنوز باقی است.

کلیدواژه ها:

تحمل خرابی ، سیستم های توزیع شده ، الگوریتم های اجماع ، خود ترمیمی ، معماری بدون سرور ، یادگیری ماشین ، مهندسی آشوب