2

ストレージ アレイの IO レイテンシ データを確認します。ドライブに障害が発生しそうになった場合、その兆候の 1 つは、IO 操作の「完了までの時間」の増加です。配列は、このデータを次の形式で親切に提供します。

     Time                           Disk Channels
    seconds   A      B      C      D      E      F      G      H      P      S
      0.017 5e98bd 64008b 62a559 68eb45 676ccf 5d3a86 46242b 62dd2e 6976c9 6da51f
      0.033 1e821c 1be769 1c372a 185134 19a2c2 21802c 2fa2ba 1d91c4 17b3ca 14cea6
      0.050  6638e  3a93b  4b19f  258aa  28b64  4d3ae  d92dc  32899  26a5b  1290d
      0.067   2df3   1c17   1f1b   180f   1291   1f05   5201   15f4   1856   10d8
      0.083    365    293    2b9    296    269    291    3c4    26f    2ae    25d
      0.100     ce     ae     94     aa     92     86     ce     81     9f     91
    ...

(時間反復は最大 2.00 秒、カウントは 16 進数です)。

左の列は IO が完了した時間で、他の列はその時間内に完了した特定のスピンドルに対する IO の数です。

ドライブが故障に近づくと、そのドライブの「テール」が著しく「広く」なります... ほとんどのドライブでは 0.2 秒を超える少数の IO が発生しますが、故障したドライブは 0.2 秒で多くの IO を取得できます。例 ：

    Time Disk channels
    seconds    A      B      C      D      E      F      G      H      P      S
    ...
    0.200      4    52d      2      7      3      2      1      6      1      8
    0.217      2    2a6      0      1      0      0      1      4      0      1
    0.233      0    1a1      0      1      0      0      0      1      1      0
    0.250      0     cb      0      1      0      0      1      1      0      1
    0.267      0     73      0      0      0      0      0      0      0      0
    0.283      0     44      0      0      0      0      0      0      0      0
    0.300      0     2d      0      0      0      0      0      0      0      0
    ...

0.2 秒で 10 を超える IO を探すこともできましたが、障害をより正確に特定できる数学的モデルを探していました。私が最初に考えたのは、各列の分散を計算することでした...分散の範囲が広すぎるドライブのセットは、違反者にフラグを立てます。ただし、これはドライブが正常に動作しているという誤ったフラグを立てます。

    min variance is 0.0000437, max is 0.0001250.  <== a good set of drives
    min variance is 0.0000758, max is 0.0000939.  <== a set with one bad drive.

他のアイデアはありますか？

(これは、stackoverflow ではなく、math.stackexchange.com にあるはずですか?)

4

1 に答える 1

0

これは単なる提案であり、数学的な厳密さを伴うものではありませんが、0.2 秒を超える操作だけを含めるようにデータセットを削減できませんでした。次に、そのデータセットを使用して、各ドライブの > 0.2 カウントの合計を計算し、それぞれの合計の割合を計算します。次に、これらの比率を相互に (および合計で) 比較すると、障害のあるドライブを特定できるはずです。たとえば、ドライブが 1 つだけ故障している場合、他のドライブに対するその比率は非常に高く、その値は 100% をわずかに下回ります (上記のサンプル データに基づく)。同様に、2 台のドライブに障害が発生した場合、他のドライブの割合は非常に小さくなり、2 台のドライブに障害が発生した割合は 50% 弱になります。

より厳密な統計を探している場合は、Kruskal-Wallis http://en.wikipedia.org/wiki/Kruskal%E2%80%93Wallis_one-way_analysis_of_varianceを調べてみる価値があるかもしれません。サンプルは同じ統計分布に由来します。これについて言及する理由は、各ディスク サンプルが明らかに正規分布しておらず、Kruskal-Wallis には正規性が必要ないためです。適切ではないかもしれませんが、データの正しい統計検定を調査するための、または統計の専門家を見つけるまでの出発点として役立つ可能性があります。

于 2012-11-10T10:41:28.173 に答える