[论文解读] Algorithms for Replica Placement in High-Availability Storage

K. Alex Mills, R. Chandrasekaran+1 more|arXiv (Cornell University)|Mar 9, 2015

Distributed systems and fault tolerance参考文献 14被引用 8

一句话总结

本文提出了一种用于高可用性存储系统的新型因果故障模型，将组件依赖关系表示为有向树，以优化副本放置。该文提出了一种$O(n + \rho^2)$的动态规划算法，确保副本被放置以避免单点故障场景，其关键贡献是针对树结构上的均衡副本放置设计了一种线性时间算法。

ABSTRACT

A new model of causal failure is presented and used to solve a novel replica placement problem in data centers. The model describes dependencies among system components as a directed graph. A replica placement is defined as a subset of vertices in such a graph. A criterion for optimizing replica placements is formalized and explained. In this work, the optimization goal is to avoid choosing placements in which a single failure event is likely to wipe out multiple replicas. Using this criterion, a fast algorithm is given for the scenario in which the dependency model is a tree. The main contribution of the paper is an $O(n + ρ\log ρ)$ dynamic programming algorithm for placing $ρ$ replicas on a tree with $n$ vertices. This algorithm exhibits the interesting property that only two subproblems need to be recursively considered at each stage. An $O(n^2 ρ)$ greedy algorithm is also briefly reported.

研究动机与目标

• 解决数据中心中组件相关故障导致数据副本广泛不可用的问题。
• 显式建模系统组件之间的因果依赖关系，而非依赖统计相关性度量。
• 设计一种算法，优化副本放置以最小化因单个故障事件导致多个副本同时丢失的风险。
• 为树状依赖图提供一种快速、可扩展的副本放置解决方案，此类图可建模真实世界的数据中心拓扑结构。
• 证明树结构中最优副本放置必须保持平衡，从而支持高效算法设计。

提出的方法

• 将系统组件依赖关系建模为有向树，其中节点代表组件，边代表故障传播的因果关系。
• 引入一种故障模型，即节点处的故障会传播至其所有后代，假设故障传播的阈值为1。
• 采用分治策略的动态规划方法，递归求解子树上的子问题并合并结果。
• 通过转换阶段收缩具有单一子节点的退化链，以减小问题规模并提高效率。
• 使用伪节点表示节点链，通过向量$\vec{a}$、$\vec{b}$和$\vec{f}$高效计算故障聚合结果。
• 在合并阶段利用向量算术组合子节点的结果，以计算最优副本放置配置。

实验结果

研究问题

• RQ1 如何建模系统组件之间的因果依赖关系，以改善高可用性存储系统中的副本放置？
• RQ2 在树状依赖图中寻找最优副本放置的计算复杂度是多少？
• RQ3 能否设计一种动态规划方法，确保副本放置使得单个故障不会导致多个副本受损？
• RQ4 最优副本放置在树结构中必须具备哪些结构性质（例如平衡性）？
• RQ5 能否通过结构洞察和数据结构优化，将副本放置算法的运行时间提升至优于$O(n^2\rho)$？

主要发现

• 所提出的$O(n + \rho^2)$动态规划算法能高效计算树状依赖图中的最优副本放置。
• 该算法利用了树结构中任何最优放置都必须保持平衡的结构性质，从而支持递归分解。
• 通过收缩退化链并使用伪节点，实现了更快的$O(n + \rho\log\rho)$算法，显著减少了计算时间。
• 转换阶段的运行时间为$O(n + \rho\log\rho)$，通过处理退化链并利用向量聚合故障计数实现。
• 合并阶段的运行时间为$O(\rho\log\rho)$，归因于伪节点层级的对数深度，对整体复杂度的优化有重要贡献。
• 该算法通过利用树结构和故障传播建模，显著优于基线的$O(n^2\rho)$贪心方法。