在网络设备软件功能越来越复杂的今天，软件架构的可靠性占有非常重要的地位。没有一个可靠的软件架构，设备的可靠性将无从谈起。本文以H3CComware V7软件平台为例，介绍其采用的软件架构可靠性设计方法。
故障隔离和自愈
软件和Bug是一对伴生的兄弟。在一个庞大的软件系统中，即使是经验再丰富的程序员也无法保证没有任何Bug。硬件设备工作再稳定，如果不幸遇到软件Bug，也会引起异常，设备将无法正常工作。因此，故障隔离和自愈是软件设计中必须要考虑的问题。
故障隔离
故障隔离指在软件发生故障的时候，把故障造成的危害限制在最小范围内。为了达到此目标，Comware V7系统采用了Linux操作系统架构，绝大部分程序都是用户态程序。在Linux系统中，每个用户态程序拥有独立的进程空间，这样，一旦某个程序崩溃，并不会对其他的程序产生影响。我们称这种进程空间独立的架构设计为真正的模块化设计。
举例来说，路由协议中，OSPF是一个独立的用户态程序，IS-IS也是一个独立的用户态程序。运行期间，在某个极其特殊的情况下，OSPF走入某个代码异常分支处理流程，而在这里有一个Bug，运行到这就会引起整个OSPF进程崩溃。但IS-IS作为一个独立的路由协议，拥有独立的进程空间，它的运行不受任何影响，还可以正常运行。
故障自愈
故障自愈是让系统从故障中恢复到正常的工作状态。想要做到自愈，首先要发现错误。Comware V7系统有一套完整的进程运行状态监控机制，可以及时发现某个用户态程序“异常”。其基本工作原理如下
1. 所有的用户态程序都是系统初始化进程SCM（Service Control Manager）的子进程，SCM可以感知所有子进程的状态，一旦发现某个用户态程序崩溃，会主动回收它的资源，然后重新启动一个相同的用户态程序，接替崩溃的程序继续工作。
2. 有时一个用户态程序出了问题，无法正常工作，但还没有达到崩溃的地步，这时Comware系统中另外一套主动检测机制则起作用，过程如图1所示。
图1 进程故障发现与自愈过程
这个特殊的监控程序——Monitor，会周期性的检查各个用户态程序，主动向其他的用户态程序发送查询消息。其他的用户态程序在收到Monitor发来的这个消息后，会进行自检，并将自身的情况回应给Monitor，Monitor根据回复的消息得知某个用户态程序异常。在更为严重的异常情况下，用户态程序无法处理Monitor发来的消息，无法应答，Monitor在一段时间内没有收到应答，则判断这个用户态程序“异常”。
