Komputer Apollo 11 przeciążył się podczas lądowania, ale software był zaprojektowany tak, żeby odrzucić mniej ważną pracę i kontynuować lot
Alarmy 1201 i 1202 podczas lądowania Apollo 11 mogły brzmieć jak sygnał katastrofalnej awarii komputera. W rzeczywistości Apollo Guidance Computer był przeciążony dodatkowymi zadaniami związanymi m.in. z radarem rendezvous. Jego executive wykrywał brak zasobów, wykonywał kontrolowany restart i wznawiał zadania krytyczne, takie jak sterowanie silnikiem oraz nawigacja, pomijając mniej ważne procesy. To rzadki przykład, w którym przeciążenie software’u stało się demonstracją dobrego projektu odpornościowego zamiast katastrofą.
Komputer miał śmiesznie mało zasobów według dzisiejszych standardów
AGC dysponował pamięcią i mocą obliczeniową nieporównywalnie mniejszą niż współczesny telefon. Mimo to wykonywał nawigację i sterowanie w czasie rzeczywistym. Tak ograniczony budżet zasobów wymuszał rygorystyczny system priorytetów: nie wszystkie zadania były równie ważne.
Radar generował niepotrzebną pracę
Podczas zniżania określona konfiguracja przełączników radaru rendezvous powodowała dodatkowe żądania przetwarzania. Komputer zaczął otrzymywać więcej pracy, niż mógł wykonać w przewidzianym czasie. Kolejki zadań się zapełniały i system zgłaszał alarmy 1201/1202.
Restart nie oznaczał utraty całego stanu
Typowy komputer po reboocie zamyka aplikacje i zaczyna od początku. AGC miał mechanizm restart protection. Po wykryciu przeciążenia potrafił odtworzyć istotne programy od znanych punktów i nie uruchamiać ponownie części pracy, która spowodowała przeciążenie. To bardziej przypomina dzisiejszy system transakcyjny niż prosty reset zasilania.
Priorytety były ważniejsze niż ukończenie wszystkiego
Executive gwarantował, że zadania sterowania lotem mają pierwszeństwo przed pracą mniej krytyczną. W systemie real-time poprawność nie oznacza tylko „wynik jest dobry”, ale „wynik powstał przed deadline’em”. Odrzucenie nieistotnej pracy może być bardziej poprawne niż próba wykonania wszystkiego z opóźnieniem.
Kontrolerzy mogli kontynuować, bo mechanizm był przetestowany
Zespół MIT i NASA znał znaczenie alarmów i wiedział, że restart systemu został intensywnie przetestowany. Dlatego po krótkiej analizie Mission Control dawało komendę kontynuowania lądowania. Projekt techniczny i przygotowanie operacyjne działały razem.
Najlepsza obsługa błędów zakłada, że przeciążenie kiedyś nastąpi
Systemy często projektuje się dla normalnego obciążenia, a przeciążenie traktuje jako „niemożliwe”. Apollo przyjął bardziej realistyczne założenie: zasobów może zabraknąć. Mechanizmy shedding load, priorytety i odzyskiwanie stanu są dziś podstawą niezawodnych usług rozproszonych z tego samego powodu. Podobne rozwiązania w usługach internetowych nazywa się load sheddingiem i admission control. Gdy zasoby są na granicy, system odrzuca część żądań wcześniej, zamiast przyjąć wszystkie i doprowadzić do lawiny timeoutów. Filozofia AGC pozostaje zaskakująco nowoczesna: sukces oznacza zachowanie najważniejszej funkcji, nie wykonanie każdej możliwej pracy.
Graceful degradation jest świadomą decyzją o tym, co można poświęcić
W normalnym programie wszystkie funkcje wydają się ważne. W systemie krytycznym trzeba jednak wcześniej ustalić, które zadania mogą zostać pominięte, jeśli zabraknie CPU, pamięci albo czasu. AGC korzystał z priorytetów i mechanizmu restartu, dzięki czemu po przeciążeniu wznawiał najważniejsze obliczenia. Współczesne serwisy internetowe stosują podobne podejście: przy przeciążeniu mogą wyłączyć rekomendacje, zrezygnować z części logowania albo zwracać dane z cache, by zachować podstawową transakcję. To nazywa się graceful degradation. Warunkiem jest wcześniejsze zaprojektowanie hierarchii funkcji. Jeśli system traktuje wszystko jako równie krytyczne, przeciążenie może spowodować całkowite załamanie. Apollo 11 jest wyjątkowym przykładem, bo mechanizm odzyskiwania był częścią architektury od początku, a nie poprawką dodaną dopiero po pierwszej awarii produkcyjnej. Co ważne, mechanizm restartu był użyteczny właśnie dlatego, że nie próbował odtwarzać wszystkiego bez wyjątku. Zachowywał i wznawiał to, co było potrzebne do bezpiecznego sterowania, zamiast traktować każdą aktywność komputera jako równie ważną.