基于“采集—预测—迁移—反馈”机制的主动容错技术

作者：杨洪章; 杨雅辉^*; 屠要峰; 孙广宇; 吴中海

来源：计算机研究与发展, 2020, 57(02): 306-317.

DOI：10.7544/issn1000-1239.2020.20190549

• 硬盘故障
• 存储可靠性
• 容错
• 人工智能
• 运维

硬盘故障是数据中心最主要的故障,严重影响了可靠性.传统的数据容错技术一般都是通过增加数据冗余来实现的,存在缺陷.主动容错技术通过预测硬盘故障提前将数据迁移,成为研究热点.现有技术大多研究硬盘故障预测,缺乏采集、迁移、反馈的研究,难以商用.提出"采集—预测—迁移—反馈"全流程主动容错机制,包括:分时硬盘信息采集方法、滑动窗口记录合并及样本构建方法、多类型硬盘故障预测方法、多盘联合数据迁移方法、预测结果二级验证及快速反馈方法.测试表明:采集硬盘信息对业务影响仅0.96%,硬盘故障预测召回率达94.66%,数据修复时间较传统方法减少55.10%.该工作已在中兴通讯的数据中心稳定商用,满足了主动容错技术在高可靠、高智能、低干扰、低成本、广适用等核心目标.

• 单位
  北京大学; 中兴通讯股份有限公司