目前,高性能计算机系统的规模已经达到空前的水平,与此同时,系统的平均无故障时间却显著降低,可靠性问题日益严重。因此,必须采用适当的容错技术,使高性能计算应用能够容忍系统故障所引发的程序执行错误。一段时期以来,由于共享存储体系结构在可扩展性方面存在局限性,应用范围不太广泛,因此针对这种体系结构的容错技术研究相对比较缺乏。近年来,随着多核处理器体系结构在高性能计算领域的应用日益广泛,越来越多的高性能计算系统开始利用多核处理器进行构建,并且出现了以SMP系统作为结点的MPP系统,因此针对共享存储体系结构的容错技术研究具有重要意义。OpenMP是面向共享存储体系结构的主流的并行编程模型,本文面向OpenMP应用级容错技术,围绕基于回滚-恢复的容错机制展开研究,主要贡献在下列几点:1.提出程序执行过程中硬件故障所引起的错误在程序中的传播模型,建立错误传播图及相关概念和分析方法,归纳错误传播的性质与结论,为面向OpenMP的容错机制设计提供理论指导。2.提出一种面向OpenMP程序的应用级非阻塞式检查点机制,该机制以一种扩展的OpenMP并行数据流分析方法为基础,选择必需的变量保存到检查点映像,以降低计算状态保存的开销。3.提出一种面向OpenMP程序的并行复算容错机制PR-OMP,由于程序的执行过程中错误往往仅可能发生在一个或两个线程上,所以可以利用未发生错误的线程并行地计算因错误而丢失的计算任务,从而降低错误恢复的开销。4.提出一种面向OpenMP程序的冗余计算容错机制TriThread,使用多个冗余的计算副本同时执行一个OpenMP程序,并在执行过程中的某些时机上对中间的计算结果进行比较和投票,从而在无需计算状态保存的前提下达到容错的目标。与检查点机制和并行复算机制相比,基于冗余计算的容错方法虽然引入更多的空间开销,但在可扩展性方面具有相当的优势,是检查点技术和并行复算机制在可扩展性受限时的替代容错方案。