在项目中一直提到冗余和容错，为了深入理解这个概念，查了一些资料总结一下。

冗余和容错这两个概念与系统的可靠性(Reliability)密不可分。冗余是容错的核心。这里以VLSI为背景进行理解。

容错(fault tolerance)：就是容许错误(fault tolerance)，是指设备的一个或多个关键部分发生故障时，能够自动地进行检测与诊断，并采取相应措施，保证设备维持其规定功能，或牺牲性能来保证设备在可接受范围内继续工作。

冗余（Redundancy）：多余资源，冗余的技术可供用来处理故障。

提高系统的可靠性一般有两种办法：

利用前一种方法来提高系统的可靠性是有限的，无论设计多么稳健（robust），100%无故障设计都是不可能的。要想进一步的提高必须采用容错技术：正视生活中故障存在的事实，并结合技术来容忍(tolerance)这些故障，同时仍然提供可接受的服务水平。

背景和应用

容错控制技术在国外发展较早，最先冯·诺依曼提出。他在1952 年作了一系列关于用重复逻辑模块改善系统可靠性的报告；1956 年，他发表了论文《概率逻辑及用不可靠元件设计可靠的结构》。随着八十年代微型计算机的迅速发展和广泛应用，容错技术也得到飞速发展，常见的应用领域有：

电子系统中发生的错误可以是暂时的，也可以是永久性的。

**瞬时故障 (Transient Faults)– 相对较短的时间后消失。例如，由于某些电磁干扰而虚假更改内容内容的存储单元。用正确的内容覆盖存储单元将使故障消失。

永久性故障 (Permanent Faults)– 永不消失，必须维修或更换组件。

举个例子：设备某一部分的故障和错误（fault and error）可能会传播到整个系统。例如，内存模块数据输出端的“0”卡住（永久接地）可能会向处理器提供错误的逻辑“0”数据（而逻辑“1”是正确的数据）。这种错误的数据值将由处理器处理，最终可能会生成错误的结果。在这种情况下，处理器单元没有故障，但是由于内存模块中的故障，结果中的错误发生了传播（propagate）。

VLSI 系统大致可以被视为以下 3 层的集合：

设计人员在这些系统层中引入了几种技术来处理瞬时错误和永久性错误，这些技术在某些方面结合了冗余的概念。因此可以说*“冗余是容错的核心”。*以下是在容错中处理的四种不同形式的冗余：

硬件冗余 （Hardware Redundancy,HR）

这种情况下向系统引入了完整模块或子模块的多个冗余单元。冗余单元与实际单元一起执行相同的工作以检测故障并屏蔽它。三重模块化冗余 （Triple Modular Redundancy,TMR） 是硬件冗余的一种非常常见的实现。假设模块是一个处理器。在 TMR 系统中，另外 2 个相同的处理器将在那里执行相同的指令集以及主指令集。所有处理器的输出汇集到一个投票单元（Voter unit），它将比较所有处理器的输出，并对正确结果进行多数表决，如果有错误结果，则丢弃错误结果。