[論文レビュー] Are Markov Models Effective for Storage Reliability Modelling?

Prasenjit Karmakar, K. Gopinath|arXiv (Cornell University)|Mar 27, 2015

Advanced Data Storage Technologies参考文献 2被引用数 5

ひとこと要約

この論文は、非指数型の故障および修復分布の位相型近似を用いた詳細な連続時間マルコフ連鎖（CTMC）が、計算コストを大幅に削減しつつもシミュレーション水準の精度を達成できることを示している。部品の摩耗とリカバリ進行状況を多重状態CTMCでモデル化することにより、従来のマルコフモデルの記憶なし特性を克服する。

ABSTRACT

Continuous Time Markov Chains (CTMC) have been used extensively to model reliability of storage systems. While the exponentially distributed sojourn time of Markov models is widely known to be unrealistic (and it is necessary to consider Weibull-type models for components such as disks), recent work has also highlighted some additional infirmities with the CTMC model, such as the ability to handle repair times. Due to the memoryless property of these models, any failure or repair of one component resets the "clock" to zero with any partial repair or aging in some other subsystem forgotten. It has therefore been argued that simulation is the only accurate technique available for modelling the reliability of a storage system with multiple components. We show how both the above problematic aspects can be handled when we consider a careful set of approximations in a detailed model of the system. A detailed model has many states, and the transitions between them and the current state captures the "memory" of the various components. We model a non-exponential distribution using a sum of exponential distributions, along with the use of a CTMC solver in a probabilistic model checking tool that has support for reducing large state spaces. Furthermore, it is possible to get results close to what is obtained through simulation and at much lower cost.

研究の動機と目的

• 従来のCTMCモデルが部品の摩耗や部分的修復進行状況を無視する記憶なし特性を示すという、ストレージ信頼性解析における制限を是正すること。
• 詳細なCTMCモデルに位相型分布を適用することで、実世界の故障および修復行動（例：ワイブル分布）を多ディスク耐障害システムで正確に近似できるかどうかを調査すること。
• PRISMのような自動CTMCソルバーを用いた、高精度かつ低計算コストな複雑なストレージ信頼性シナリオのモデリングの実現可能性と正確性を評価すること。
• Greenanの研究から得られた高精度シミュレーション結果と、特にRAID6システムにおけるデータ損失のようなレアイベントについて、提案されたCTMCアプローチの結果を比較すること。

提案手法

• ワイブル分布などの非指数型故障・修復時間分布を、位相型分布を用いて指数分布の和として近似する。具体的には3状態および8段階のエラーランドモデルを用いる。
• 各状態に部品の年齢とリカバリ進行状況を符号化することで、詳細なCTMCモデルを構築し、過去のシステム状態の記憶を捉え、記憶なし仮定を克服する。
• PRISM確率的モデル・チェッカーを用いて一時的解析を実行し、データ損失確率を計算する。大規模な状態空間を管理するため、対称性削減を活用（1000状態未満）。
• 10年間の期間にわたり、近似分布の故障率曲線が目標のワイブル分布と一致するように、モーメントマッチングを用いて位相型モデルのパラメータを推定する。
• PRISMでモジュラーかつ独立したコンponentsとしてディスクサブシステムをモデル化し、イベントの入れ替え処理を可能にし、システム設計者によるスケーラビリティの簡素化を実現する。
• さまざまなMDS構成について、Greenanの高精度シミュレーション結果と照合し、10年間のデータ損失確率を比較する。

実験結果

リサーチクエスチョン

• RQ1 位相型近似を用いた詳細なCTMCモデルは、多ディスクストレージシステムにおける時間依存信頼性特性（部品の摩耗やリカバリ進行状況など）を効果的にモデル化できるか？
• RQ2 指数分布の和としての位相型近似により、ワイブル故障および修復分布をどの程度正確に近似できるか。また、形状パラメータの選択が近似品質に与える影響は？
• RQ3 PRISMのようなCTMCソルバーは、実行時間を著しく短縮しつつ、データ損失確率推定においてシミュレーション水準の正確性をどの程度達成できるか？
• RQ4 特定の構成においてCTMC結果とシミュレーション結果に乖離が生じる理由は何か。これはワイブル近似の品質とどのように関係しているか？

主な発見

• 提案されたCTMCアプローチは、高精度シミュレーション結果と同程度のオーダーのデータ損失確率推定を達成しており、PRISMは1つのデータポイントを1秒未塔で計算可能である。
• RAID6構成において、PRISMベースのCTMCモデルはシミュレーションと比較して約150倍高速であり、同等の正確性を維持している。これは顕著な性能向上を示している。
• CTMCとシミュレーション結果の乖離は、主に高形状パラメータ（例：形状=2）のワイブル分布をエラーランド分布で近似する際の品質不良に起因する。エラーランド分布は時間経過とともに平坦化し、増加する故障率を捉えられない。
• ワイブル故障の3状態マルコフモデルと修復の8段階エラーランドモデルは、特に初期10年間においてシミュレーション結果と良好な一致を示しており、従来の記憶なしモデルと比較して乖離が減少している。
• PRISMの使用により、イベントの入れ替えと状態空間の削減を自動化することで、複雑なストレージシステムのスケーラブルなモデリングが可能となり、詳細なCTMCモデリングが実世界の信頼性解析に実用的であることが明らかになった。
• 部品の年齢とリカバリ進行状況の状態ベースの追跡により、システムの記憶を効果的に捉えることができ、従来のマルコフモデルの根本的限界が解消された。