[论文解读] High Availability Cluster System for Local Disaster Recovery with Markov Modeling Approach

Thi Tar Lwin, Thandar Thein|ArXiv.org|Dec 9, 2009

Software System Performance and Reliability参考文献 11被引用 10

一句话总结

本文提出了一种基于半马尔可夫过程（SMP）模型的高可用性（HA）集群系统，用于本地灾难恢复，通过该模型分析系统可用性，并与近似连续时间马尔可夫链（CTMC）模型进行比较。研究结果表明，SMP模型在可用性评估方面比CTMC近似更具准确性，通过SHARPE工具和真实系统参数进行了数值验证，为设计具有最小停机时间的弹性IT基础设施提供了稳健的框架。

ABSTRACT

The need for high availability (HA) and disaster recovery (DR) in IT environment is more stringent than most of the other sectors of enterprises. Many businesses require the availability of business-critical applications 24 hours a day, seven days a week, and can afford no data loss in the event of a disaster. It is vital that the IT infrastructure is resilient with regard to disruption, even site failures, and that business operations can continue without significant impact. As a result, DR has gained great importance in IT. Clustering of multiple industries standard servers together to allow workload sharing and fail-over capabilities is a low cost approach. In this paper, we present the availability model through Semi-Markov Process (SMP) and also analyze the difference in downtime of the SMP model and the approximate Continuous Time Markov Chain (CTMC) model. To acquire system availability, we perform numerical analysis and SHARPE tool evaluation.

研究动机与目标

• 设计一种成本效益高的高可用性集群系统，确保在发生本地故障时业务关键应用仍能持续运行。
• 使用半马尔可夫过程（SMP）对系统可用性进行建模，以获得比传统CTMC近似更高的准确性。
• 在真实IT基础设施背景下，评估并比较SMP与CTMC模型的停机时间预测。
• 提供一种定量框架，利用形式化建模技术设计具有弹性的本地灾难恢复解决方案。

提出的方法

• 使用半马尔可夫过程（SMP）对系统进行建模，以表示集群节点在运行、故障和恢复状态之间的状态转移。
• 通过嵌入式马尔可夫链和停留时间分布，从SMP模型中推导出可用性表达式。
• 构建一个近似连续时间马尔可夫链（CTMC）模型用于对比，假设停留时间为指数分布。
• 使用SHARPE工具进行数值分析，计算在不同故障率和恢复率下的系统可用性。
• 模型中引入了真实参数，如集群组件的平均故障时间（MTTF）和平均修复时间（MTTR）。
• 通过将基于SMP的可用性与CTMC近似结果进行对比，对结果进行验证，以评估准确性差异。

实验结果

研究问题

• RQ1 在高可用性集群中，半马尔可夫过程（SMP）模型相较于CTMC近似，在系统可用性估计方面如何提升准确性？
• RQ2 非指数分布的故障和修复时间分布对本地灾难恢复场景下系统可用性有何影响？
• RQ3 在SMP与CTMC建模下，不同的故障率和修复率如何影响集群系统的整体可用性？
• RQ4 SHARPE工具在本情境下对基于SMP的可用性模型进行准确数值评估的支持程度如何？
• RQ5 在设计弹性本地灾难恢复系统时，使用SMP而非CTMC的实际意义是什么？

主要发现

• 当故障和修复时间不呈指数分布时，SMP模型比CTMC近似能提供更准确的系统可用性估计。
• 在非指数分布下，SMP与CTMC模型预测的停机时间差异显著，凸显了CTMC在真实场景中的局限性。
• SHARPE工具的数值结果证实，对于相同的系统参数，SMP模型的可用性值高于CTMC近似。
• 本研究表明，采用SMP建模可为灾难恢复环境中的高可用性集群设计提供更明智的决策支持。
• 所提出的方法能够精确量化可用性，支持构建停机时间与数据丢失均最小化的弹性IT基础设施。