超大规模数据中心中的NVMe与PCIe SSD监控
分布式、并行与集群计算
2020-03-26 v1
摘要
凭借低延迟、高吞吐量和企业级可靠性，SSD已成为数据中心存储的事实标准选择。因此，LinkedIn中所有在线数据存储均使用SSD。这些应用持久化并提供关键用户数据，且具有毫秒级延迟。对于服务这些应用的主机，SSD故障是单一最大的故障原因。频繁的SSD故障导致关键应用显著停机，并为系统运维团队产生显著的下游RCA（根因分析）负载。缺乏对这些驱动器运行时特征的洞察，导致对此类问题提供准确RCA的能力有限，并阻碍提供可信的长期修复方案。本文描述了LinkedIn开发的用于实现SSD实时监控的系统以及我们在故障特征方面的洞察。我们描述了如何利用该洞察执行预测性维护，并展示了由此减少的维护人力工时。
引用
@article{arxiv.2003.11267,
title = {NVMe and PCIe SSD Monitoring in Hyperscale Data Centers},
author = {Nikhil Khatri and Shirshendu Chakrabarti},
journal= {arXiv preprint arXiv:2003.11267},
year = {2020}
}
备注
10 pages, 8 figures