[论文解读] On the Latency of Erasure-Coded Cloud Storage Systems.

Akshay Kumar, Ravi Tandon+1 more|arXiv (Cornell University)|May 12, 2014

Advanced Data Storage Technologies参考文献 37被引用 9

一句话总结

本文提出了一种异构分布式存储模型，包含 n 台服务器存储 R 个数据类别，每个类别通过 (n,ki) 交织码进行编码，并利用排队论分析了在各种调度策略下的平均检索延迟。该研究为每类数据建立了紧致的延迟上下界，揭示了数据异构性与调度策略对性能和公平性的影响。

ABSTRACT

Distributed (Cloud) Storage Systems (DSS) exhibit heterogeneity in several dimensions such as the volume (size) of data, frequency of data access and the desired degree of reliability. Ultimately, the complex interplay between these dimensions impacts the latency performance of cloud storage systems. To this end, we propose and analyze a heterogeneous distributed storage model in which $n$ storage servers (disks) store the data of $R$ distinct classes. Data of class $i$ is encoded using a $(n,k_{i})$ erasure code and the (random) data retrieval requests can also vary from class to class. We present a queuing theoretic analysis of the proposed model and establish upper and lower bounds on the average latency for each data class under various scheduling policies for data retrieval. Using simulations, we verify the accuracy of the proposed bounds and present qualitative insights which reveal the impact of heterogeneity and scheduling policies on the mean latency of different data classes. Lastly, we conclude with a discussion on per-class fairness in heterogeneous DSS.

研究动机与目标

• 建立一个异构云存储系统模型，其中不同数据类别在大小、访问频率和可靠性需求方面存在差异。
• 分析数据异构性与调度策略对纠删码存储中平均检索延迟的影响。
• 推导在不同调度策略下每类数据的平均延迟的理论边界。
• 通过仿真验证这些边界的准确性，并提供关于系统设计权衡的定性洞察。
• 讨论异构分布式存储系统（DSS）中的各类公平性。

提出的方法

• 构建一个异构分布式存储模型，其中 R 个数据类别存储在 n 台存储服务器上，每类使用 (n,ki) 交织码。
• 将数据检索建模为一个排队系统，其中请求到达率和服务时间按类别变化。
• 应用排队论分析，推导每类数据的平均延迟的上下界。
• 考虑多种调度策略（如基于优先级的、FCFS 等）以评估其对延迟和公平性的影响。
• 使用仿真验证理论边界，并探索在不同工作负载和参数下的系统行为。
• 引入一种公平性度量，以评估异构 DSS 中各类性能的权衡。

实验结果

研究问题

• RQ1 数据异构性（包括大小、访问频率和可靠性）如何影响纠删码云存储系统中的平均检索延迟？
• RQ2 在不同调度策略下，各类数据的平均延迟的理论边界是什么？
• RQ3 与实际系统行为相比，推导出的上下界有多准确？
• RQ4 调度策略如何影响不同数据类别之间的延迟与公平性？
• RQ5 在异构分布式存储系统中，性能与公平性之间存在哪些权衡？

主要发现

• 所提出的排队模型成功捕捉了纠删码系统中数据异构性与检索延迟之间的相互作用。
• 为每类数据推导出紧致的平均延迟上下界，提供了可靠的性能估计。
• 仿真结果证实了理论边界在多种系统配置下的准确性。
• 调度策略显著影响延迟，其中基于优先级的方案可减少高优先级类别的延迟，但代价是增加低优先级类别的延迟。
• 数据访问模式与编码参数的异构性导致各类别间延迟不均，因此需要采用公平性感知的调度策略。
• 在标准调度策略下，各类公平性受到损害，凸显了在异构 DSS 中采用公平性感知设计的必要性。