APP下载

基于CBM的信息设备状态检修研究与尝试

2016-09-23张杰

现代计算机 2016年4期
关键词:规则特征故障

张杰

(四川大学计算机学院,成都 610064)

基于CBM的信息设备状态检修研究与尝试

张杰

(四川大学计算机学院,成都610064)

故障预测;CBM;规则集合;BP神经网络

0 引言

进入云计算时代,依托于云服务构建的企业级应用越来越多。为满足客户的需求,云提供商部署了大规模不同用途的集群,而随着计算机体系结构日趋复杂、计算规模不断扩大,集群内部出现故障的可能性远高于单一计算节点,出现故障也已成为常态[1]。2002年,Google分析了其部署在不同地域的几十个站点的一年内运行数据,指出每年节点故障率为2-3%,即每36小时,就有一个节点发生故障[2]。

云提供商必须保证系统的高可用,才能避免给客户带来损失。主动冗余技术,是公认的保证系统高可用的唯一方式。通过主动冗余,可及时对集群内故障节点进行隔离,并完成失效转移,将业务处理转移到正常节点进行处理[3-5]。在主动冗余技术中,如何判断集群内计算节点的工作状态是否正常,是非常重要的,它直接关系到主动冗余策略的有效性。故障预测技术,就是用来判断、预测节点工作状态的。

上世纪70年代以来,设备维护得到了大量研究,并在机械、航天、电力等领域得到了大量的实践,积累了宝贵的经验和教训[6-7]。近10年来的研究与实践,CBM在故障预测方面的巨大潜力,更是得到了学术界、工业界的充分认可。然而,经实践、研究发现,在信息设备领域(如主机、存储、网络设备等),CBM的研究仍处于起步阶段,企业级的软件产品(如zabbix、cacti、openstdb等),仍存在明显不足,如不易部署、预测精度差。……

登录APP查看全文

猜你喜欢

规则特征故障
撑竿跳规则的制定
数独的规则和演变
故障一点通
如何表达“特征”
不忠诚的四个特征
让规则不规则
TPP反腐败规则对我国的启示
奔驰R320车ABS、ESP故障灯异常点亮
故障一点通
江淮车故障3例