基于内存云的自适应数据恢复策略
2021-01-13卢学远钱育蓉英昌甜
卢学远,钱育蓉,英昌甜
(1.新疆大学软件学院,新疆 乌鲁木齐 830008;2.新疆大学电气工程学科博士后流动站,新疆 乌鲁木齐 830046)
0 引言
鉴于传统硬件缓慢的读写特性,基于内存价格骤降的基础上,纯内存存储方式被提出.与此同时由于内存价格的急速降低,从1980年的19 200美元/MB(SRAM,Static Random Access Memory,静态随机存储器)和8 000美元/MB(DRAM,Dynamic Random Access Memory,动态随机存储器)到2010年的60美元/MB(SRAM)和0.06美元/MB(DRAM)[1],基于存储硬件由纯内存组成的计算系统SPA HANA[2]和结合目前热点话题——云计算组成的内存云(RAMCloud)[3]被提出.其中SPA HANA是一种根据系统本身实时地获取用户数据并进行实时分析和实时存储的纯内存计算系统.RAMCloud[4]为斯坦福大学的开源项目,其主要目的是建立由纯内存硬件构成的高效内存存储系统.在2009年至2016年间,斯坦福大学的专家和学者们针对RAMCloud项目展开了一系列的深入研究[5-9],在2015年正式提出RAMCloud存储系统[5].同时,在国内不少研究者对RAMCloud的带宽负载均衡[11]、存储优化[12]和数据迁移[13]等方面进行了研究.
但是由于目前大数据时代下,大型数据中心跨域恢复数据方式的固定性、单一性、数据跨域恢复需求的高效率性以及数据恢复方式效能的波动性,RAMCloud存储系统的数据备份恢复能力的自适应性存在问题.
本文对大型内存存储数据中心RAMCloud数据恢复控制调度中心进行调度算法优化.算法结合增强学习智能多臂老虎机Softmax算法(在监督学习中,Softmax算法用作最终的模型分类器;在增强学习中,用作权衡各个操作之间的概率权值),根据数据恢复耗时记忆,在极短……