人为错误对存储系统数据不可用性与数据丢失影响的建模

数据存储系统及其可用性在当代数据中心中起着关键作用。尽管数据中心使用了自动故障转移等机制，人类操作员的作用及其随之而来的破坏性错误仍不可避免。由于 exascale 数据中心中使用的磁盘驱动器数量极大且故障率高，存储系统中的磁盘子系统已成为由人为错误引发的数据不可用（DU）和数据丢失（DL）的主要来源。在本文中，我们研究了错误磁盘更换服务（IDRS）对数据存储系统可用性和可靠性的影响。为此，我们分析了IDRS在磁盘阵列中的后果，并进行蒙特卡洛仿真以评估任务时间内的DU和DL。所提出的建模框架能够应对 a）不同的存储阵列配置，以及 b）数据对象存活率（DOS），代表系统级冗余（如远程备份和镜像）的影响。在所提框架中，模型参数取自工业和科学报告以及从具有70个存储机架的数据中心提取的现场数据。结果表明，忽略IDRS的影响会导致不可用性低估高达三个数量级。此外，我们的研究表明，考虑到人为错误的影响，关于不同独立磁盘冗余阵列（RAID）机制可靠性的传统观念应被修正。结果显示，在存在人为错误的情况下，RAID1可能比RAID5导致更低的可用性。结果还表明，采用自动故障转移策略（使用热备磁盘）可将人为错误的剧烈影响降低两个数量级。