聂世强，郑旭达，刘钊华，伍卫国，董小社，张兴军

(西安交通大学 计算机科学与技术学院，陕西 西安 710049)

容错机制在大规模分布式存储系统中是不可或缺的。大规模存储系统由成千上万台服务器组成，诸多研究报告指出节点失效成为常态[1-3]。近年来，谷歌等大型数据中心的统计数据表明，平均每天都会有1%～2%的节点失效[1]。服务器失效引起数据丢失造成的损失是无法估量的。目前存储系统常用的数据冗余方法有多副本、纠删码等。多副本是将数据复制多份分别存放在不同的存储节点，只要数据的副本所在节点不同时失效，数据便不会丢失[4]，纠删码是将数据分割为相等的数据块，采用编码策略生成校验块，部分数据块丢失后，可以通过编码恢复[5]。不同于多副本对存储空间的大量需求，纠删码可以显著降低存储开销，因此被广泛使用，如云存储系统：Giza[6]、Hybris[7]等。然而目前纠删码在可靠性、存储利用率等方面都不同程度地存在缺陷，难以同时达到理想的状态[8-9]。

可靠性可以判断系统或设备是否具备持续有效提供正确数据服务的能力，因此在存储系统中，可靠性是与性能和费用等指标重要性相当的一个评价标准。为了探究存储系统可靠性与诸多因素的关系，很多学者都对存储系统可靠性展开了广泛的研究。早期如PATTERSON采用马尔可夫模型分析磁盘矩阵系统可靠性，并以平均数据丢失时间 (Mean Time To Data Loss，MTTDL) 作为可靠性评价指标[10]。当前研究的方向有考虑数据放置算法[11]、数据中心物理拓扑结构[12]等因素对系统可靠性的影响。……