[논문 리뷰] On the Reliability of RAID Systems: An Argument for More Check Drives

Sarah Edge Mann, Michael T. Anderson외 1명|arXiv (Cornell University)|2012. 02. 16.

Advanced Data Storage Technologies참고 문헌 11인용 수 4

한 줄 요약

이 논문은 빅데이터 스토리지에 적합한 대규모 '빅데이터' 스토리지에서 RAID 시스템의 체크 드라이브 수를 늘릴수록 신뢰성이 크게 향상됨을 주장한다. 리드-솔로몬 코드와 지연 미분 방정식을 포함한 연속시간 마르코프 체인을 사용하여 드라이브 장애, 섹터 오류 및 복구 프로세스를 모델링함으로써, 미러링이나 표준 RAID 6보다도 체크 드라이브를 더 많이 사용할 경우 데이터 손실 확률이 극적으로 감소함을 보여준다.

ABSTRACT

In this paper we address issues of reliability of RAID systems. We focus on "big data" systems with a large number of drives and advanced error correction schemes beyond \RAID{6}. Our RAID paradigm is based on Reed-Solomon codes, and thus we assume that the RAID consists of $N$ data drives and $M$ check drives. The RAID fails only if the combined number of failed drives and sector errors exceeds $M$, a property of Reed-Solomon codes. We review a number of models considered in the literature and build upon them to construct models usable for a large number of data and check drives. We attempt to account for a significant number of factors that affect RAID reliability, such as drive replacement or lack thereof, mistakes during service such as replacing the wrong drive, delayed repair, and the finite duration of RAID reconstruction. We evaluate the impact of sector failures that do not result in drive replacement. The reader who needs to consider large $M$ and $N$ will find applicable mathematical techniques concisely summarized here, and should be able to apply them to similar problems. Most methods are based on the theory of continuous time Markov chains, but we move beyond this framework when we consider the fixed time to rebuild broken hard drives, which we model using systems of delay and partial differential equations. One universal statement is applicable across various models: increasing the number of check drives in all cases increases the reliability of the system, and is vastly superior to other approaches of ensuring reliability such as mirroring.

연구 동기 및 목표

• 실제 장애 조건, 즉 드라이브 장애, 섹터 오류 및 불완전한 복구를 고려한 대규모 RAID 시스템의 신뢰성을 정량화하는 것.
• 체크 드라이브 수를 늘일 경우 데이터 손실 확률과 평균 데이터 손실 시간(MTTDL)에 미치는 영향을 평가하는 것.
• 지연된 복구 및 유한한 재구축 시간을 포함한 복잡한 장애 역학을 지연 미분 방정식 및 부분 미분 방정식을 사용하여 모델링하는 것.
• 미러링, RAID 6 및 다수의 체크 드라이브를 가진 단일 대규모 RAID 아키텍처를 포함한 다양한 RAID 아키텍처의 신뢰성 비교.
• 체크 드라이브를 더 많이 사용하는 것이, 미러링이나 독립적인 RAID 그룹과 같은 다른 신뢰성 전략에 비해 훨씬 뛰어나다는 것을 입증하는 것.

제안 방법

• 기본 장애 프로세스에 대해 연속시간 마르코프 체인을 사용하여 RAID 신뢰성 모델링하고, 고정 시간 재구축을 포함한 시스템에 대해 지연 미분 방정식으로 확장하는 것.
• 실제 장애 요소를 통합: 드라이브 교체 없이 발생하는 섹터 오류, 지연된 복구, 유지보수 중 잘못된 드라이브 교체.
• 기초 오류 보정 메커니즘으로 리드-솔로몬 코드를 사용하여 최대 M개의 손상된 단어를 탐지하고 M/2개의 오류를 수정할 수 있도록 하는 것.
• 주요 신뢰성 지표로 시간 t 이내의 데이터 손실 확률(PDL_t)과 평균 데이터 손실 시간(MTTDL)을 분석하는 것.
• 대규모 N(데이터 드라이브 수)과 M(체크 드라이브 수)를 가진 시스템을 모델링하기 위해 코딩 이론과 확률 과정의 수학적 기법을 적용하는 것.
• 수치적 평가를 통해 여러 RAID 설계를 비교: 이중 미러링, 독립적인 RAID 6, 계층형 RAID 6, M=4 또는 M=11를 가진 단일 대규모 RAID.

실험 결과

연구 질문

• RQ1 고도로 큰 드라이브 수를 가진 대규모 RAID 시스템에서 체크 드라이브 수를 늘릴 경우 데이터 손실 확률에 어떤 영향을 미치는가?
• RQ2 드라이브 교체를 유발하지 않는 섹터 장애가 RAID 신뢰성에 미치는 영향은 무엇인가?
• RQ3 지연된 복구 및 불완전한 유지보수는 다수의 체크 드라이브를 가진 RAID 시스템의 신뢰성에 어떤 영향을 미치는가?
• RQ4 M=11인 단일 대규모 RAID 시스템은 계층형 또는 미러링 구성과 비교해 데이터 손실 확률 측면에서 어떻게 다른가?
• RQ5 두 개 이상의 체크 드라이브를 가진 리드-솔로몬 코드는 빅데이터 스토리지 시스템에서 암묵적 데이터 손상(실음 데이터 오류)을 효과적으로 완화시킬 수 있는가?

주요 결과

• 체크 드라이브 수를 늘일수록 모든 모델에서 시스템의 신뢰성이 지속적으로 향상되며, M=11일 경우 PDL_5는 1.52×10⁻¹¹로 다른 구성보다 훨씬 낮다.
• M=11인 단일 대규모 RAID 시스템은 PDL_5가 1.52×10⁻¹¹로, 이중 미러링의 10⁸배 낮고, 두 개의 독립적인 RAID 6 시스템의 10¹⁰배 낮다.
• M=11인 대규모 RAID 시스템은 데이터 전송률 89%를 유지하면서도 PDL_5가 1.52×10⁻¹¹로, 계층형 RAID 6 및 독립적인 RAID 6보다 뛰어난 신뢰성을 확보한다.
• 불완전한 복구 및 섹터 오류가 발생하는 상황에서도 M=11인 시스템은 PDL_5가 8.55×10⁻¹³을 유지하여 악조건에서도 뛰어난 내구성을 보여준다.
• 모델은 재구축 시간 h가 증가할수록 MTTDL이 감소함을 확인하여, 더 긴 재구축 기간은 시스템 신뢰성에 악영향을 미친다는 것을 입증한다.
• 시스템에 두 개의 체크 드라이브를 추가하면, 원래 시스템의 데이터 무결성 수준과 유사한 수준의 암묵적 데이터 손상 탐지 및 수정이 가능해진다.