首次 CE 至关重要：论长期属性在内存故障预测中的重要性
分布式、并行与集群计算
2022-12-21 v1
摘要
动态随机存取存储器故障是对数据中心可靠性的威胁，因为它们会导致数据丢失和系统崩溃。及时预测内存故障允许采取预防措施，例如服务器迁移和内存更换。因此，内存故障预测防止了故障的外部化，是提高系统可靠性的一项重要任务。在本文中，我们重新审视了内存故障预测问题。我们将硬件日志中的可纠正错误作为内存状态降级的指标进行分析。由于内存并不总是在满负荷下工作，对故障内存部分的访问是随时间分布的。基于这一直觉，我们观察到内存故障预测的重要属性分布在较长的时间间隔内。相比之下，为了符合实际约束，相关研究通常只分析来自最后一个固定大小时间间隔的 CE，而忽略了先前的信息。受所观察到的差异启发，我们研究了包含整体（长程）CE 演变的影响，并提出了以增量方式计算以保留长程属性的新特征。通过将提取的特征与机器学习方法相结合，我们学习了一个预测模型，能够提前三小时预测即将发生的故障，同时将平均相对精确率和召回率分别提高了 21% 和 19%。我们在大型云提供商服务器集群的真实内存故障上评估了我们的方法，证明了其有效性和实用性。
引用
@article{arxiv.2212.10441,
title = {First CE Matters: On the Importance of Long Term Properties on Memory Failure Prediction},
author = {Jasmin Bogatinovski and Qiao Yu and Jorge Cardoso and Odej Kao},
journal= {arXiv preprint arXiv:2212.10441},
year = {2022}
}
备注
This paper is accepted to appear in the proceedings of IEEE Big Data 2022. All publishing licenses belong to IEEE