CN108369489A - 预测固态驱动器可靠性 - Google Patents
预测固态驱动器可靠性 Download PDFInfo
- Publication number
- CN108369489A CN108369489A CN201780004408.8A CN201780004408A CN108369489A CN 108369489 A CN108369489 A CN 108369489A CN 201780004408 A CN201780004408 A CN 201780004408A CN 108369489 A CN108369489 A CN 108369489A
- Authority
- CN
- China
- Prior art keywords
- ssd
- solid state
- state drive
- data center
- factor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
- G06F3/0614—Improving the reliability of storage systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
- G06F3/0604—Improving or facilitating administration, e.g. storage management
- G06F3/0605—Improving or facilitating administration, e.g. storage management by facilitating the interaction with a user or administrator
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
- G06F3/0614—Improving the reliability of storage systems
- G06F3/0616—Improving the reliability of storage systems in relation to life time, e.g. increasing Mean Time Between Failures [MTBF]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
- G06F3/0629—Configuration or reconfiguration of storage systems
- G06F3/0631—Configuration or reconfiguration of storage systems by allocating resources to storage systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0668—Interfaces specially adapted for storage systems adopting a particular infrastructure
- G06F3/067—Distributed or networked storage systems, e.g. storage area networks [SAN], network attached storage [NAS]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0668—Interfaces specially adapted for storage systems adopting a particular infrastructure
- G06F3/0671—In-line storage system
- G06F3/0673—Single storage device
- G06F3/0679—Non-volatile semiconductor memory device, e.g. flash memory, one time programmable memory [OTP]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0668—Interfaces specially adapted for storage systems adopting a particular infrastructure
- G06F3/0671—In-line storage system
- G06F3/0683—Plurality of storage devices
Abstract
方面涉及用于预测固态驱动器可靠性的方法、系统和计算机程序产品。本发明的方面可以用于预测和/或配置数据中心以最小化以下中的一个或多个:SSD容量降级(SSD剩余多少存储)、SSD性能降级(减少的读取/写入延迟/吞吐量)和SSD故障。模型和数据中心考虑可以基于设备级SSD相关操作,举例而言,诸如读取、写入、擦除。可以基于SSD特定特征针对数据中心做出操作决策,举例而言,SSD特征诸如剩余容量、写放大因素等。可以利用各种不同数据中心因素的依赖和/或因果。可以量化各种数据中心因素对不同SSD故障模式和容量/性能降级的影响,以驱动SSD设计、SSD供应和SSD操作。
Description
背景技术
计算机系统和相关技术影响社会的许多方面。实际上,计算机系统处理信息的能力已经改变了我们生活和工作的方式。最近,计算机系统已经彼此耦合并且被耦合至其他电子设备以形成有线计算机网络和无线计算机网络二者,计算机系统和其他电子设备可以通过该有线计算机网络和无线计算机网络传送电子数据。因此,许多计算任务的执行跨越多个不同的计算机系统和/或多个不同的计算环境而分布。例如,分布式应用可以具有在多个不同计算机系统处的组件。
在许多环境中,计算机系统包括一些类型的更耐用的存储,举例而言,诸如固态驱动器(SSD)和/或硬盘驱动器(HDD)。由于性能,SSD正在变得更加突出并且代替HDD用于许多应用。例如,数据中心的存储子系统中SSD的使用正在增加。
虽然SSD中的读取和写入操作类似于其他存储技术,但是SSD中的读取和写入操作是非典型的。因为没有就地写入(write in-place),必须将页面写入擦除的块,由此使其较老的版本无效(无用)。实时数据必须从已有块中复制出来并且移动到其他地方。因此,在由主机指定的写入之外,SSD会产生额外的写入。
由此,SSD可以展现相对于其他类型的存储设备而言独特的行为,包括写入放大、读取干扰、介质磨损等。这些独特的行为可能导致容量降级、性能损失,并且甚至可能造成SSD的过早故障。
在数据中心中,举例而言,诸如工作负载、设施环境、硬件设计、策略等多种因素也可能影响SSD性能。由此,SSD可靠性可能不仅取决于SSD设备级别因素还取决于数据中心层级更高级别的其他因素。另外,这些其他因素可能以非平凡的方式相互作用,造成容量降级、性能降级或者SSD的故障。
各种不同的技术已经用于考虑数据中心性能和可靠性的一些方面。一些技术已经用于基于主动/备用冗余计算机系统的上下文中的温度和电压异常事件的服务器故障预测。其他技术已经通过重新配置不同的数据处理阶段中的RAID级别而用于可靠性和性能的系统级别平衡。另外的技术已经用于考虑温度影响对HDD故障和DRAM错误的影响。
然而,这些技术都没有鉴于独特的SSD行为而考虑SSD的性能和可靠性。另外,这些技术都没有考虑数据中心中的其他因素可能如何影响数据中心内的SSD的性能和可靠性。
发明内容
示例涉及用于预测固态驱动器可靠性的方法、系统和计算机程序产品。接收用于数据中心的固态驱动器(SSD)配置。固态驱动器(SSD)配置是用于配置数据中心内的一个或多个固态驱动器(SSD)。
访问一个或多个固态驱动器(SSD)多因素模型。一个或多个固态驱动器(SSD)多因素模型中的每一个指示多个因素中的每一个与固态驱动器(SSD)功能性之间的关系。每个关系量化因素对固态驱动器(SSD)功能性的因果影响。至少一个固态驱动器(SSD)多因素模型指示潜在变量对固态驱动器(SSD)功能性的影响。从一个或多个数据中心环境内的数据中心因素以及固态驱动器(SSD)功能性的先前监测来导出一个或多个固态驱动器(SSD)多因素模型中的每一个。
参考来自一个或多个固态驱动器(SSD)多因素模型之中的至少一个相关固态驱动器(SSD)多因素模型。该至少一个相关固态驱动器(SSD)多因素模型与固态驱动器(SSD)配置相关。通过基于针对数据中心的数据中心因素向固态驱动器(SSD)配置应用至少一个相关固态驱动器(SSD)多因素模型,来确定如何优化数据中心内的一个或多个固态驱动器(SSD)。
本发明内容被提供用于以简化形式介绍下文在具体实施方式中进一步描述的概念的选择。本发明内容不旨在标识所要求保护的主题的关键特征或者必要特征,也不旨在用于辅助确定所要求保护的主题的范围。
附加特征和优点将在随后的描述中阐述,并且部分将从描述中显而易见,或者可以通过实践来了解。可以通过所附权利要求中特别指出的手段和组合的方式来实现和获得特征和优点。这些以及其他特征和优点将从以下描述和所附权利要求中变得更加完全易见,或者可以从下文陈述的实践中了解。
附图说明
为了描述可以获得上述和其他优点和特征的方式,将通过参考在附图中图示的其具体实现来呈现更加特定的描述。可以理解,这些附图仅描绘了一些实现,并且因此不被视作对其范围的限制,将通过使用附图并利用附加特殊性和细节来描述和解释实现,在附图中:
图1图示了支持预测固态驱动器(SSD)可靠性的示例架构。
图2图示了支持制定在预测固态驱动器(SSD)可靠性中使用的多因素模型的示例架构。
图3图示了用于预测固态驱动器(SSD)可靠性的示例方法的流程图。
图4图示了支持标识数据中心的因素的示例架构。
图5图示了多因素模型和数据中心考虑的示例。
具体实施方式
示例扩展至用于预测固态驱动器可靠性的方法、系统和计算机程序产品。接收针对数据中心的固态驱动器(SSD)配置。固态驱动器(SSD)配置用于配置数据中心内的一个或多个固态驱动器(SSD)。
访问一个或多个固态驱动器(SSD)多因素模型。一个或多个固态驱动器(SSD)多因素模型中的每一个指示多个因素中的每一个与固态驱动器(SSD)功能性之间的关系。每个关系量化因素对固态驱动器(SSD)功能性的因果影响。至少一个固态驱动器(SSD)多因素模型指示潜在变量对固态驱动器(SSD)功能性的影响。从一个或多个数据中心环境内的数据中心因素和固态驱动器(SSD)功能性的先前监测,来导出一个或多个固态驱动器(SSD)多因素模型中的每一个。
参考一个或多个固态驱动器(SSD)多因素模型之中的至少一个相关固态驱动器(SSD)多因素模型。该至少一个相关固态驱动器(SSD)多因素模型与固态驱动器(SSD)配置相关。通过基于针对数据中心的数据中心因素而向固态驱动器(SSD)配置应用至少一个相关固态驱动器(SSD)多因素模型,来确定如何优化数据中心内的一个或多个固态驱动器(SSD)。
实现可以包括或者使用专用或通用计算机(其包括计算机硬件),举例而言,计算机硬件诸如一个或多个处理器(包括中央处理单元(CPU)和/或图形处理单元(GPU))和系统存储器,如下文更加详细地讨论。实现还包括物理和其他计算机可读介质,其用于承载或者存储计算机可执行指令和/或数据结构。此类计算机可读介质可以是可以由通用或专用计算机系统访问的任何可用介质。存储计算机可执行指令的计算机可读介质是计算机存储介质(设备)。承载计算机可执行指令的计算机可读介质是传输介质。由此,通过示例而非限制的方式,实现可以包括至少两个完全不同种类的计算机可读介质:计算机存储介质(设备)和传输介质。
计算机存储介质(设备)包括RAM、ROM、EEPROM、CD-ROM、固态驱动器(“SSD”)(例如,基于RAM或者基于闪速)、叠瓦式磁记录(Shingled Magnetic Recording,“SMR”)设备、闪速存储器、相变存储器(“PCM”)、其他类型的存储器、其他光盘存储、磁盘存储或其他磁存储设备,或者可以用于存储计算机可执行指令或者数据结构形式的、并且可以由通用或专用计算机访问的期望程序代码手段的任何其他介质。
“网络”被定义为支持计算机系统和/或其他电子设备之间的电子数据的传送的一个或多个数据链路。当通过网络或者另一(硬连线的、无线的或者硬连线或无线的组合的)通信连接向计算机传送或者提供信息时,计算机适当地将连接视作传输介质。传输介质可以包括可以用于承载计算机可执行指令或者数据结构形式的、并且可以由通用或专用计算机访问的期望程序代码手段的网络和/或数据链路。以上的组合也应当被包括在计算机可读介质的范围内。
另外,在到达各种计算机系统组件时,计算机可执行指令或者数据结构形式的程序代码手段可以从传输介质自动地传送至计算机存储介质(设备)(反之亦然)。例如,通过网络或者数据链路接收的计算机可执行指令或者数据结构可以在网络接口模块(例如,“NIC”)内的RAM中缓冲,并且继而最后传送至计算机系统处的计算机系统RAM和/或较不易失性计算机存储介质(设备)。由此,应当理解,计算机存储介质(设备)可以包括在也(或者甚至主要)使用传输介质的计算机系统组件中。
计算机可执行指令包括例如指令和数据,其响应于处理器处的执行,使得通用计算机、专用计算机或专用处理设备执行特定功能或者功能组。计算机可执行指令可以是例如二进制的、诸如汇编语言的中间格式指令或者甚至源代码。虽然以特定于结构特征和/或方法行为的语言描述了主题,但是可以理解,在所附权利要求中限定的主题不必限于上文所描述的特征或者行为。相反,所描述的特征和行为被公开作为实现权利要求的示例形式。
本领域技术人员将可以理解,所描述的方面可以在具有许多类型的计算机系统配置的网络计算环境中实践,计算机系统配置包括个人计算机、台式计算机、膝上型计算机、消息处理器、手持式设备、可穿戴设备、多核处理器系统、多处理器系统、基于微处理器的或可编程的消费者电子产品、网络PC、小型计算机、主机计算机、移动电话、PDA、平板计算机、寻呼机、手表、健康监测器、眼镜、路由器、交换机,等等。所描述的方面还可以在分布式系统环境中实践,其中通过网络(通过硬连线数据链路、无线数据链路或者通过硬连线和无线数据链路的组合)链接的本地和远程计算机系统都执行任务。在分布式系统环境中,程序模块可以定位在本地存储器存储设备和远程存储器存储设备二者中。
所描述的方面还可以在云计算环境中实现。在本说明书和所附权利要求书中,“云计算”被定义为用于支持对可配置计算资源的共享池的按需网络访问的模型。例如,可以在市场中采用云计算以提供对可配置计算资源(例如,计算资源、联网资源和存储资源)的共享池的普遍和方便的按需访问。可配置计算资源的共享池可以经由虚拟化来提供,并且以较少的工作或者服务提供者交互来发布,并且继而相应地缩放。
云计算模型可以由各种特征组成,举例而言,诸如按需自助服务、广泛的网络访问、资源池化、快速弹性、度量服务,等等。云计算模型还可以展现各种服务模型,举例而言,诸如软件即服务(“SaaS”)、平台即服务(“PaaS”)和基础架构即服务(“Iaas”)。云计算模型还可以使用不同的部署模型来部署,不同的部署模型诸如私有云、社区云、公共云、混合云等。在本说明书和所附权利要求书中,“云计算环境”是其中采用云计算的环境。
在一个方面,数据中心内的资源(例如,计算、存储和联网资源)被分配用于由其他人使用,例如用以创建“云”。
在本说明书和所附权利要求书中,“固态驱动器”被定义为使用集成电路组装件作为存储器来存储数据的固态存储设备。固态驱动器可以使用基于NAND的闪速存储器在掉电时保留数据。固态驱动器还可以将RAM用于其中数据持久性不很重要的应用。因此,固态驱动器存储可以是持久的(即,当电源开启或关闭时数据保持存储)或者非持久的(即,当电源开启时数据保持存储)。固态驱动器技术可以使用与块输入/输出(I/O)硬盘驱动器兼容的电子接口,其允许常见应用(例如,计算机系统或者数据中心)中的简单替换。固态驱动器也可以称为固态盘或者“SSD”。
在本说明书和所附权利要求书中,“潜在变量”被定义为不被直接观察或者测量的变量。潜在变量的存在可以从直接观察或者测量的其他变量中推断出来。
本发明的方面包括多因素框架,用以辅助数据中心中的供应、设计和操作决策而用于优化SSD可靠性。使用模型,可以标识数据中心设计、操作和供应因素与SSD故障、SSD性能降级和SSD容量降级(degradation)之间的关系。模型可以被开发以量化设计、操作和供应因素对SSD故障、SSD性能降级和SSD容量降级的因果/依赖影响。模型可以用于预测独特的SSD功能性,举例而言,诸如以下中的任一项:数据中心环境内的SSD故障、SSD性能降级和SSD容量降级。
图1图示了支持预测固态驱动器可靠性的示例计算机架构100。参考图1,计算机架构100包括管理模块101。管理模块101可以连接至网络(或者作为网络的一部分),举例而言,诸如局域网(“LAN”)、广域网(“WAN”)以及甚至因特网。因此,管理模块101以及任何其他连接的计算机系统及其组件可以创建消息相关数据,并且通过网络交换消息相关数据(例如,因特网协议(“IP”)数据报以及使用IP数据报的其他更高层协议,诸如传输控制协议(“TCP”)、超文本传输协议(“HTTP”)、简单邮件传输协议(“SMTP”)、简单对象访问协议(SOAP)等,或者使用其他非数据报协议)。
一般地,管理模块101配置用于使用涉及、操作和供应特征中的一个或多个与SSD故障、SSD性能降级和SSD容量降级中的一个或多个之间的标识的关系,以优化和预测(例如,数据中心内的)SSD性能。在潜在变量存在或者不存在的情况下,管理模块101可以量化设计、操作和供应特征对SSD故障、SSD性能降级和SSD容量降级的依赖和/或因果影响。管理模块101还可以基于设计、操作和供应特征中的一个或多个来预测SSD故障、SSD性能降级和SSD容量降级。
在一个方面,管理模块101接收针对数据中心的(提议的或者实际的)数据中心因素以及针对数据中心的(提议的或者实际的)SSD配置。数据中心因素和SSD配置可以用于操作数据中心或者可以诸如对于设计中的数据中心是假定的(hypothetical)。由此,本发明的方面可以用于在数据中心的设计、供应和操作阶段中的任何阶段期间预测SSD可靠性。鉴于预测的SSD可靠性,可以对数据中心做出设计、供应和操作上的改变,以优化SSD可靠性。
数据中心因素可以包括以下中的任何项:数据中心的设施特征、硬件特征、设备特征、工作负载特征、环境特征、策略特征和可靠性特征。设施特征可以包括与设备驻留在其中的设施(例如,数据中心)有关的信息。设施特征可以包括设施的性质,包括但不限于数据中心位置、冷却设计、电力系统、封装技术等。
硬件特征可以包括大量硬件相关特征中的任何特征,包括但不限于服务器和机架配置、硬件配置(SKU)、SSD型号、SSD供应商、服务器额定功率、SSD年龄等。设备特征可以包括多个设备级计数器,包括但不限于以各种时间粒度追踪设备访问模式、读取、写入、电源周期、数据错误等的SMART属性。工作负载特征可以包括各种工作负载相关特征,包括但不限于工作负载类别、工作负载性能、工作负载延迟和/或吞吐量以及以各种时间粒度捕获的不同组件的使用。
环境特征包括局部环境的性质,包括但不限于跨越各种设备、机架和数据中心以不同时间粒度捕获的温度、相对湿度、压力、高度等。策略特征包括数据中心的管理策略,包括但不限于电源周期的数目、重新启动、重新成像、升级和更新。可靠性特征包括标识特定故障设备的相关信息,并且捕获与故障有关的信息以及故障的日期和时间。
管理模块101访问一个或多个多因素模型以优化和/或预测数据中心处的SSD可靠性。考虑其他数据中心的数据中心因素,可以通过对其他数据中心中的SSD可靠性进行建模来制定多因素模型。多因素模型可以包括以下中的任何项:多因素依赖和因果模型、多因素设计决策支持模型、多因素供应支持模型、多因素操作支持模型和预测模型。
转到图2,图2图示了示例计算机架构200,其支持制定用于预测固态驱动器(SSD)可靠性的多因素模型。参考图2,计算机架构200包括建模模块201。建模模块201可以连接至网络(或者作为网络的一部分),举例而言,网络诸如局域网(“LAN”)、广域网(“WAN”)以及甚至因特网。因此,建模模块201以及任何其他连接的计算机系统及其组件(例如,管理模块101)可以创建消息相关数据,并且通过网络交换消息相关数据(例如,因特网协议(“IP”)数据报和使用IP数据报的其他更高层协议,诸如传输控制协议(“TCP”)、超文本传输协议(“HTTP”)、简单邮件传输协议(“SMTP”)、简单对象访问协议(SOAP)等,或者使用其他非数据报协议)。
一般而言,建模模块201可以从与数据中心202、203、204等相关联的数据来制定多因素模型111。例如,建模模块201可以访问来自数据中心202、203、204等的数据中心信息241。数据中心信息241包括针对数据中心202的数据中心因素212、SSD配置222和SSD可靠性213。类似地,数据中心信息241包括针对数据中心203的数据中心因素213、SSD配置223和SSD可靠性223。同样地,数据中心信息241包括针对数据中心204的数据中心因素214、SSD配置224和SSD可靠性224。
建模模块201可以从数据中心信息241对多因素模型111进行建模。如所描绘的,多因素模型111包括模型112、113、114等。模型112、113、114等中的每一个可以是以下中的一个:多因素依赖和因果模型、多因素设计决策支持模型、多因素供应支持模型、多因素操作支持模型、预测模型。
多因素依赖和因果模型可以捕获多个SSD特征的依赖和/或因果结构及其在影响SSD可靠性、SSD性能降级和SSD容量降级中的相对重要性。多因素设计决策支持模型量化影响SSD可靠性、SSD性能降级和SSD容量降级的设计因素的影响。多因素供应支持模型量化影响SSD可靠性、SSD性能降级和SSD容量降级的供应因素的影响。
多因素操作支持模型量化影响SSD可靠性、SSD性能降级和SSD容量降级的操作因素(诸如工作负载访问模式、数据中心环境设置等)的影响。预测模型预测何时可能发生故障/降级。预测模块可以基于不同SSD操作状态来预测故障/降级以适应控制和维护决策。
多因素模型111可以用于优化SSD配置并且预测SSD可靠性。优化SSD配置和/或预测SSD可靠性可以包括使用多因素模型111来解决各种设计、供应和操作相关考虑。例如,多因素模型111可以用于标识影响SSD性能的因素,标识所标识的因素之间的依赖性,确定方向或者依赖性,以及确定对SSD可靠性度量的依赖性的效应。
多因素模型111还可以用于确定托管(colocation)还是ITPAC配置更好,以及HVAC还是绝热冷却更好。多因素模型111还可以用于确定在服务器(例如,刀片)内改变SSD位置的影响,以及SSD应当被放置为更接近热通道还是冷通道,或者之间。多因素模型111还可以用于确定如何分配SSD的大小,例如,2x240GB比1x480GB更好。多因素模型111还可以用于确定较新代还是较旧代的SSD更好,要购买哪个SSD型号/供应商,如何控制SSD访问/使用模式以提高可靠性,以及如何控制操作环境以提高SSD可靠性。多因素模型111还可以用于预测SSD故障以及确定在故障实际发生之前多早可以预测故障。
返回图1,管理模块101可以使用多因素模型111来针对数据中心102优化SSD配置和/或预测SSD可靠性。优化SSD配置和/或预测SSD可靠性可以包括基于多因素模型111来解决针对数据中心102的各种设计、供应和操作相关考虑。
图3图示了用于预测固态驱动器可靠性的示例方法的流程图。将关于计算机架构100的组件和数据来描述方法300。
方法300包括接收针对数据中心的固态驱动器(SSD)配置,固态驱动器(SSD)配置用于配置数据中心内的一个或多个固态驱动器(SSD)(301)。例如,管理模块101可以访问针对数据中心102的SSD配置104。配置104可以是针对数据中心102的实际的或者提议的(例如,假定的)SSD配置。可以通过遍历数据中心102的配置或者从配置文件或者数据库访问SSD配置104。
管理模块101还可以访问数据中心因素103。数据中心因素103可以是针对数据中心102的实际的或者提议的(例如,假定的)特征,举例而言,诸如以下中的一个或多个:设施特征、硬件特征、设备特征、工作负载特征、环境特征、策略特征和可靠性特征。
方法300包括访问一个或多个固态驱动器(SSD)多因素模型,一个或多个固态驱动器(SSD)多因素模型中每一个指示多个因素中的每一个与固态驱动器(SSD)功能性之间的关系,每个关系量化因素对固态驱动器(SSD)功能性的因果影响,至少一个固态驱动器(SSD)多因素模型指示潜在变量对固态驱动器(SSD)功能性的影响,一个或多个固态驱动器(SSD)多因素模型中的每一个从一个或多个数据中心环境内的数据中心因素和固态驱动器(SSD)功能性的先前监测导出(302)。例如,管理模块101可以访问多因素模型111。如所描述的,模型112、113、114等中的每一个对多个数据中心因素与SSD功能性之间的关系进行建模。每个关系量化因素对SSD功能性的因果影响。模型112、113、114等中的至少一个指示潜在变量对SSD功能性的影响。如所描述的,模型112、113、114等中的每一个从数据中心信息241导出,数据中心信息241可以包括数据中心202、203、204等的监测。
方法300包括参考来自一个或多个固态驱动器(SSD)多因素模型之中的与固态驱动器(SSD)配置相关的至少一个相关固态驱动器(SSD)多因素模型(303)。例如,管理模块101可以参考与SSD配置104相关的模型112。
方法300包括通过基于针对数据中心的数据中心因素向固态驱动器(SSD)配置应用至少一个相关固态驱动器(SSD)多因素模型,来确定如何优化数据中心内的一个或多个固态驱动器(SSD)(304)。例如,管理模块101可以确定如何通过基于数据中心因素104向SSD配置104应用模型112来优化数据中心102中的SSD。在一个方面,管理模块101可以预测以下中的一个或多个:在数据中心102指定时间段内,针对一个或多个固态驱动器(SSD)的固态驱动器(SSD)故障的概率、固态驱动器(SSD)容量降级的概率以及固态驱动器(SSD)性能降级的概率。
转到图4,图4图示了示例架构400,其支持标识数据中心的因素。如所描绘的,计算机架构400包括数据中心401,其包括集群402、403等。每个集群包括相对应的电力分配单元(PDU)和硬件(例如,计算机、存储和联网资源)。例如,集群402包括PDU 404和406以及相对应的硬件414和416。同样地,集群403包括PDU 407和408以及相对应的硬件417和418。
每个硬件组件可以包括一个或多个子组件。例如,服务器418A可以包括存储组件421、422、423和424(其中一些可以是SSD)以及处理器板426。处理器板426还可以包括处理器427和428。其他服务器配置也是可能的。
可以针对数据中心401导出数据中心因素(例如,类似于数据因素103)。数据中心因素可以包括所描述的特征的类型中的任何类型。例如,可以针对数据中心401和集群402、403等导出设施特征431。可以针对硬件414、416、417导出硬件特征432。可以针对数据中心401导出环境特征436和策略特征437。还可以针对硬件414、416、417和418中的组件导出工作负载和设备特征。例如,可以针对存储设备421、422、423和424以及处理器427和428导出设备特征433。可以针对存储设备421、422、423和424、处理器板426以及处理器427和428导出工作负载特征。
举例而言,诸如管理模块101或者建模模块201的模块可以访问针对计算机架构400的因素。例如,管理模块101可以访问设施特征431、硬件特征432、设备特征433、工作负载特征434、环境特征436和策略特征437中的任何特征,以针对数据中心401确定SSD优化和/或预测SSD故障。建模模块201可以访问设施特征431、硬件特征432、设备特征433、工作负载特征434、环境特征436和策略特征437中的任何特征,以制定多因素模型。
图5图示了多因素模型和数据中心决策的示例。如所描绘的,图5包括多因素依赖和因果模型501、多因素设计模型502、多因素供应模型503和多因素操作模型504。建模模块(例如,建模模块201)可以从设施特征431、硬件特征432、设备特征433、工作负载特征434、环境特征436和策略特征437中的一个或多个来制定多因素依赖和因果模型501、多因素设计模型502、多因素供应模型503和多因素操作模型504。
多因素依赖和因果模型501可以用于辅助数据中心考虑511。多因素设计模型502可以用于辅助数据中心考虑512。多因素供应模型503可以用于辅助数据中心考虑513。多因素操作模型504可以用于辅助数据中心考虑514。
因此,本发明的方面可以用于预测和/或配置数据中心以最小化以下中的一个或多个:SSD容量降级(SSD剩余多少存储)、SSD性能降级(减少的读取/写入延迟/吞吐量)和SSD故障。模型和数据中心考虑可以基于设备级SSD相关操作,举例而言,诸如读取、写入、擦除。可以基于SSD特定特征针对数据中心做出操作决策,举例而言,特定特征诸如剩余容量、写放大因素等。可以利用各种不同数据中心因素的依赖和/或因果。可以量化各种数据中心因素对不同的SSD故障模式和容量/性能降级的影响,以驱动SSD设计、SSD供应和SSD操作。
在一个方面,系统包括处理器、系统存储器、存储资源和管理模块。管理模块可以使用处理器来接收针对数据中心的固态驱动器(SSD)配置。固态驱动器(SSD)配置用于配置数据中心内的一个或多个固态驱动器(SSD)。
管理模块可以使用处理器来访问一个或多个固态驱动器(SSD)多因素模型。一个或多个固态驱动器(SSD)多因素模型中的每一个指示多个因素中的每一个因素与固态驱动器(SSD)功能性之间的关系。每个关系量化因素对固态驱动器(SSD)功能性的因果影响。至少一个固态驱动器(SSD)多因素模型指示潜在变量对固态驱动器(SSD)功能性的影响。一个或多个固态驱动器(SSD)多因素模型中的每一个SSD多因素模型从一个或多个数据中心环境内的数据中心因素和固态驱动器(SSD)功能性的先前监测导出。
管理模块可以使用处理器来参考来自一个或多个固态驱动器(SSD)多因素模型之中的与固态驱动器(SSD)配置相关的至少一个相关固态驱动器(SSD)多因素模型。管理模块可以使用处理器,基于针对数据中心的数据中心因素向固态驱动器(SSD)配置应用至少一个相关固态驱动器(SSD)多因素模型,来确定如何优化数据中心内的一个或多个固态驱动器(SSD)。
在另一方面,执行用于预测固态驱动器可靠性的方法。针对数据中心接收固态驱动器(SSD)配置。固态驱动器(SSD)配置用于配置数据中心内的一个或多个固态驱动器(SSD)。
访问一个或多个固态驱动器(SSD)多因素模型。一个或多个固态驱动器(SSD)多因素模型中的每一个固态驱动器(SSD)多因素模型指示多个因素中的每一个因素与固态驱动器(SSD)功能性之间的关系。每个关系量化因素对固态驱动器(SSD)功能性的因果影响。至少一个固态驱动器(SSD)多因素模型指示潜在变量对固态驱动器(SSD)功能性的影响。一个或多个固态驱动器(SSD)多因素模型中的每一个固态驱动器(SSD)多因素模型从一个或多个数据中心环境内的数据中心因素和固态驱动器(SSD)功能性的先前监测导出。
参考来自一个或多个固态驱动器(SSD)多因素模型之中的至少一个相关固态驱动器(SSD)多因素模型。至少一个相关固态驱动器(SSD)多因素模型与固态驱动器(SSD)配置相关。通过基于针对数据中心的数据中心因素向固态驱动器(SSD)配置应用至少一个相关固态驱动器(SSD)多因素模型,来确定如何优化数据中心内的一个或多个固态驱动器(SSD)。
在又一方面,一种用于在计算机系统处使用的计算机程序产品包括具有存储在其上的计算机可执行指令的一个或多个计算机存储设备,计算机可执行指令响应于在处理器处执行,使得计算机系统实现用于预测固态驱动器可靠性的方法。
计算机程序产品包括计算机可执行指令,该计算机可执行指令响应于在处理器处执行,使得计算机系统接收针对数据中心的固态驱动器(SSD)配置。固态驱动器(SSD)配置用于配置数据中心内的一个或多个固态驱动器(SSD)。
计算机程序产品包括计算机可执行指令,该计算机可执行指令响应于在处理器处执行,使得计算机系统访问一个或多个固态驱动器(SSD)多因素模型。一个或多个固态驱动器(SSD)多因素模型中的每一个固态驱动器(SSD)多因素模型指示多个因素中的每一个因素与固态驱动器(SSD)功能性之间的关系。每个关系量化因素对固态驱动器(SSD)功能性的因果影响。至少一个固态驱动器(SSD)多因素模型指示潜在变量对固态驱动器(SSD)功能性的影响。一个或多个固态驱动器(SSD)多因素模型中的每一个固态驱动器(SSD)多因素模型从一个或多个数据中心环境内的数据中心因素和固态驱动器(SSD)功能性的先前监测导出。
计算机程序产品包括计算机可执行指令,其响应于在处理器处执行,使得计算机系统参考一个或多个固态驱动器(SSD)多因素模型中与固态驱动器(SSD)配置相关的至少一个相关固态驱动器(SSD)多因素模型。计算机程序产品包括计算机可执行指令,该计算机可执行指令响应于在处理器处执行,使得计算机系统通过基于针对数据中心的数据中心因素向固态驱动器(SSD)配置应用至少一个相关固态驱动器(SSD)多因素模型,来确定如何优化数据中心内的一个或多个固态驱动器(SSD)。
在不脱离本文精神或者基本特征的情况下,本文所描述的方面能够以其他具体形式实现。所描述的方面在所有方面被认为仅仅是说明性的而非限制性的。因此,由所附权利要求而不是在前描述来指示范围。在权利要求的等效物的意义和范围内做出的所有改变应当包括在其范围内。
Claims (10)
1.一种系统,所述系统包括:
一个或多个处理器;
系统存储器;
管理模块,所述管理模块使用所述一个或多个处理器,配置用于:
接收针对数据中心的固态驱动器(SSD)配置,所述固态驱动器(SSD)配置用于配置所述数据中心内的一个或多个固态驱动器(SSD);
访问一个或多个固态驱动器(SSD)多因素模型,所述一个或多个固态驱动器(SSD)多因素模型中的每一个固态驱动器(SSD)多因素模型指示多个因素中的每一个因素与固态驱动器(SSD)功能性之间的关系,每个关系量化因素对固态驱动器(SSD)功能性的因果影响,至少一个固态驱动器(SSD)多因素模型指示潜在变量对固态驱动器(SSD)功能性的所述影响,所述一个或多个固态驱动器(SSD)多因素模型中的每一个固态驱动器(SSD)多因素模型从一个或多个数据中心环境内的数据中心因素和固态驱动器(SSD)功能性的先前监测导出;
参考来自一个或多个固态驱动器(SSD)多因素模型之中的、与所述固态驱动器(SSD)配置相关的至少一个相关固态驱动器(SSD)多因素模型;以及
通过基于针对所述数据中心的数据中心因素向所述固态驱动器(SSD)配置应用所述至少一个相关固态驱动器(SSD)多因素模型,来确定如何优化所述数据中心内的所述一个或多个固态驱动器(SSD)。
2.根据权利要求1所述的系统,其中管理模块使用所述一个或多个处理器配置用于接收针对数据中心的固态驱动器(SSD)配置包括:管理模块使用所述一个或多个处理器,配置用于接收针对数据中心的假定的固态驱动器(SSD)配置。
3.根据权利要求1所述的系统,其中管理模块使用所述一个或多个处理器配置用于访问一个或多个固态驱动器(SSD)多因素模型包括:管理模块使用所述一个或多个处理器,配置用于访问标识数据中心特征对以下中的一个或多个的重要性的固态驱动器(SSD)多因素性能模型:固态驱动器(SSD)故障征兆、固态驱动器(SSD)容量降级、固态驱动器(SSD)性能降级和固态驱动器(SSD)故障。
4.根据权利要求1所述的系统,其中管理模块使用所述一个或多个处理器,配置用于访问一个或多个固态驱动器(SSD)多因素性能模型包括:管理模块使用所述一个或多个处理器,配置用于访问考虑以下中的一个或多个的一个或多个固态驱动器(SSD)多因素性能模型:针对所述数据中心的物理设施的设施特征、将要与所述数据中心内的所述一个或多个固态驱动器(SSD)交互操作的硬件的硬件特征、针对所述一个或多个固态驱动器(SSD)的设备特征、使用所述一个或多个固态驱动器(SSD)的工作负载的工作负载特征、所述数据中心内的环境的环境特征、以及与所述数据中心相关联的管理策略的策略特征。
5.根据权利要求1所述的系统,其中管理模块使用所述一个或多个处理器,配置用于确定如何优化所述数据中心内的所述一个或多个固态驱动器(SSD)的功能性包括:管理模块使用所述一个或多个处理器,配置用于预测以下中的一个或多个:在所述数据中心内操作的指定时间段内的针对所述一个或多个固态驱动器(SSD)的固态驱动器(SSD)故障的概率、固态驱动器(SSD)容量降级的概率和固态驱动器(SSD)性能降级的概率。
6.根据权利要求1所述的系统,其中管理模块使用所述一个或多个处理器,配置用于确定如何优化所述数据中心内的所述一个或多个固态驱动器(SSD)的功能性包括:管理模块使用所述一个或多个处理器,配置用于优化以下中的一个或多个:针对所述一个或多个固态驱动器(SSD)的寿命、针对所述一个或多个固态驱动器(SSD)的可靠性、针对所述一个或多个固态驱动器(SSD)的容量降级率以及针对所述一个或多个固态驱动器(SSD)的操作性能。
7.一种用于在计算机系统处使用的方法,所述计算机系统包括处理器,所述方法用于预测针对数据中心的固态驱动器(SSD)可靠性,所述方法包括所述处理器:
接收针对数据中心的固态驱动器(SSD)配置,所述固态驱动器(SSD)配置用于配置所述数据中心内的一个或多个固态驱动器(SSD);
访问一个或多个固态驱动器(SSD)多因素模型,所述一个或多个固态驱动器(SSD)多因素模型中的每一个固态驱动器(SSD)多因素模型指示多个因素中的每一个因素与固态驱动器(SSD)功能性之间的关系,每个关系量化因素对固态驱动器(SSD)功能性的因果影响,至少一个固态驱动器(SSD)多因素模型指示潜在变量对固态驱动器(SSD)功能性的所述影响,所述一个或多个固态驱动器(SSD)多因素模型中的每一个固态驱动器(SSD)多因素模型从一个或多个数据中心环境内的数据中心因素和固态驱动器(SSD)功能性的先前监测导出;
参考来自一个或多个固态驱动器(SSD)多因素模型之中的、与所述固态驱动器(SSD)配置相关的至少一个相关固态驱动器(SSD)多因素模型;以及
通过基于针对所述数据中心的数据中心因素向所述固态驱动器(SSD)配置应用所述至少一个相关固态驱动器(SSD)多因素模型,来确定如何优化所述数据中心内的所述一个或多个固态驱动器(SSD)。
8.根据权利要求7所述的方法,其中接收针对数据中心的固态驱动器(SSD)配置包括:接收针对数据中心的假定固态驱动器(SSD)配置。
9.根据权利要求7所述的方法,其中访问一个或多个固态驱动器(SSD)多因素模型包括访问以下中的一个或多个:多因素固态驱动器(SSD)依赖模型、多因素固态驱动器(SSD)设计支持模型、多因素固态驱动器(SSD)供应支持模型、以及多因素固态驱动器(SSD)操作支持模型。
10.一种在计算机系统处使用的计算机程序产品,所述计算机程序产品用于实现用于预测针对数据中心的固态驱动器(SSD)可靠性的方法,所述方法包括具有存储在其上的计算机可执行指令的一个或多个计算机存储设备,当所述计算机可执行指令在处理器处执行时,使得所述计算机系统实现所述方法,所述方法包括以下:
接收针对数据中心的固态驱动器(SSD)配置,所述固态驱动器(SSD)配置用于配置所述数据中心内的一个或多个固态驱动器(SSD);
访问一个或多个固态驱动器(SSD)多因素模型,所述一个或多个固态驱动器(SSD)多因素模型中的每一个固态驱动器(SSD)多因素模型指示多个因素中的每一个因素与固态驱动器(SSD)功能性之间的关系,每个关系量化因素对固态驱动器(SSD)功能性的因果影响,至少一个固态驱动器(SSD)多因素模型指示潜在变量对固态驱动器(SSD)功能性的所述影响,所述一个或多个固态驱动器(SSD)多因素模型中的每一个固态驱动器(SSD)多因素模型从一个或多个数据中心环境内的数据中心因素和固态驱动器(SSD)功能性的先前监测导出;
参考来自一个或多个固态驱动器(SSD)多因素模型之中的、与所述固态驱动器(SSD)配置相关的至少一个相关固态驱动器(SSD)多因素模型;以及
通过基于针对所述数据中心的数据中心因素向所述固态驱动器(SSD)配置应用所述至少一个相关固态驱动器(SSD)多因素模型,来确定如何优化所述数据中心内的所述一个或多个固态驱动器(SSD)。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/002,216 | 2016-01-20 | ||
US15/002,216 US10078455B2 (en) | 2016-01-20 | 2016-01-20 | Predicting solid state drive reliability |
PCT/US2017/013581 WO2017127313A1 (en) | 2016-01-20 | 2017-01-14 | Predicting solid state drive reliability |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108369489A true CN108369489A (zh) | 2018-08-03 |
CN108369489B CN108369489B (zh) | 2021-03-19 |
Family
ID=57995268
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780004408.8A Active CN108369489B (zh) | 2016-01-20 | 2017-01-14 | 预测固态驱动器可靠性 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10078455B2 (zh) |
EP (1) | EP3405859A1 (zh) |
CN (1) | CN108369489B (zh) |
WO (1) | WO2017127313A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113257332A (zh) * | 2021-04-08 | 2021-08-13 | 置富科技(深圳)股份有限公司 | 一种闪存的有效性预测方法、装置及存储介质 |
CN113257332B (zh) * | 2021-04-08 | 2024-05-17 | 置富科技(深圳)股份有限公司 | 一种闪存的有效性预测方法、装置及存储介质 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11076509B2 (en) | 2017-01-24 | 2021-07-27 | The Research Foundation for the State University | Control systems and prediction methods for it cooling performance in containment |
US11410054B2 (en) * | 2017-03-15 | 2022-08-09 | Kyndryl, Inc. | Cognitive prediction of problematic servers in unknown server group |
JP2018185663A (ja) * | 2017-04-26 | 2018-11-22 | 株式会社東芝 | 電子機器および制御方法 |
EP3486779A1 (en) | 2017-11-15 | 2019-05-22 | ProphetStor Data Services, Inc. | Method and system for diagnosing remaining lifetime of storages in data center |
US10635324B1 (en) * | 2018-02-28 | 2020-04-28 | Toshiba Memory Corporation | System and method for reduced SSD failure via analysis and machine learning |
US11210001B2 (en) | 2020-04-22 | 2021-12-28 | Western Digital Technologies, Inc. | Storage device parameter monitoring for load balancing |
TWI746101B (zh) * | 2020-08-03 | 2021-11-11 | 宏碁股份有限公司 | 電子裝置及其固態硬碟的溫度控制方法 |
US11556257B2 (en) * | 2020-08-14 | 2023-01-17 | Micron Technology, Inc. | Selectable wear life indicator based on data retention |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100251039A1 (en) * | 2009-03-30 | 2010-09-30 | Kabushiki Kaisha Toshiba | Memory device |
US20120203951A1 (en) * | 2010-01-27 | 2012-08-09 | Fusion-Io, Inc. | Apparatus, system, and method for determining a configuration parameter for solid-state storage media |
CN104040515A (zh) * | 2011-09-30 | 2014-09-10 | 英特尔公司 | 在逻辑驱动器模型下呈现直接存取的存储设备 |
CN105094687A (zh) * | 2014-05-13 | 2015-11-25 | 瑞昱半导体股份有限公司 | 固态硬盘控制电路及固态硬盘装置与固态硬盘存取系统 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5557183A (en) | 1993-07-29 | 1996-09-17 | International Business Machines Corporation | Method and apparatus for predicting failure of a disk drive |
KR20020091581A (ko) | 2001-05-31 | 2002-12-06 | 삼성전자 주식회사 | 진행성 결함 특성을 갖는 메모리 셀을 검사할 수 있는플래시 메모리 장치 |
CN101676872A (zh) | 2008-09-19 | 2010-03-24 | 刘杰 | 一种固态硬盘的结构及其加速初始化的方法 |
US8307258B2 (en) * | 2009-05-18 | 2012-11-06 | Fusion-10, Inc | Apparatus, system, and method for reconfiguring an array to operate with less storage elements |
US8589625B2 (en) | 2010-09-15 | 2013-11-19 | Pure Storage, Inc. | Scheduling of reconstructive I/O read operations in a storage environment |
US9032146B2 (en) | 2010-11-30 | 2015-05-12 | Lenovo Enterprise Solutions (Singapore) Pte. Ltd. | Dynamic use of raid levels responsive to workload requirements |
WO2013094006A1 (ja) | 2011-12-19 | 2013-06-27 | 富士通株式会社 | プログラム、情報処理装置および方法 |
US8825567B2 (en) | 2012-02-08 | 2014-09-02 | General Electric Company | Fault prediction of monitored assets |
EP3047377A1 (en) | 2013-09-20 | 2016-07-27 | Google, Inc. | Programmatically choosing preferred storage parameters for files in large-scale distributed storage systems |
US9367253B2 (en) | 2014-03-13 | 2016-06-14 | Vmware, Inc. | Catastrophic data loss avoidance |
US8953265B1 (en) | 2014-07-24 | 2015-02-10 | Emc Corporation | Method and system for monitoring disk reliability with global disk scrubbing |
US9658791B2 (en) * | 2015-08-14 | 2017-05-23 | International Business Machines Corporation | Managing temperature of solid state disk devices |
US9711232B2 (en) * | 2015-09-22 | 2017-07-18 | Samsung Electronics Co., Ltd. | Dynamic non-volatile memory operation scheduling for controlling power consumption of solid-state drives |
-
2016
- 2016-01-20 US US15/002,216 patent/US10078455B2/en active Active
-
2017
- 2017-01-14 WO PCT/US2017/013581 patent/WO2017127313A1/en unknown
- 2017-01-14 EP EP17704116.7A patent/EP3405859A1/en not_active Withdrawn
- 2017-01-14 CN CN201780004408.8A patent/CN108369489B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100251039A1 (en) * | 2009-03-30 | 2010-09-30 | Kabushiki Kaisha Toshiba | Memory device |
US20120203951A1 (en) * | 2010-01-27 | 2012-08-09 | Fusion-Io, Inc. | Apparatus, system, and method for determining a configuration parameter for solid-state storage media |
CN104040515A (zh) * | 2011-09-30 | 2014-09-10 | 英特尔公司 | 在逻辑驱动器模型下呈现直接存取的存储设备 |
CN105094687A (zh) * | 2014-05-13 | 2015-11-25 | 瑞昱半导体股份有限公司 | 固态硬盘控制电路及固态硬盘装置与固态硬盘存取系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113257332A (zh) * | 2021-04-08 | 2021-08-13 | 置富科技(深圳)股份有限公司 | 一种闪存的有效性预测方法、装置及存储介质 |
WO2022213410A1 (zh) * | 2021-04-08 | 2022-10-13 | 置富科技(深圳)股份有限公司 | 一种闪存的有效性预测方法、装置及存储介质 |
CN113257332B (zh) * | 2021-04-08 | 2024-05-17 | 置富科技(深圳)股份有限公司 | 一种闪存的有效性预测方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20170206026A1 (en) | 2017-07-20 |
US10078455B2 (en) | 2018-09-18 |
WO2017127313A1 (en) | 2017-07-27 |
CN108369489B (zh) | 2021-03-19 |
EP3405859A1 (en) | 2018-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108369489A (zh) | 预测固态驱动器可靠性 | |
JP7392245B2 (ja) | オーケストレーションシステム、コンピュータプログラム、非一時的機械可読記憶媒体、および、方法 | |
US10838803B2 (en) | Resource provisioning and replacement according to a resource failure analysis in disaggregated data centers | |
US11652884B2 (en) | Customized hash algorithms | |
US11050637B2 (en) | Resource lifecycle optimization in disaggregated data centers | |
CN103281344B (zh) | 用于混合云的服务使用的集成计量的方法和系统 | |
RU2636848C2 (ru) | Способ оценки потребления мощности | |
US20140122546A1 (en) | Tuning for distributed data storage and processing systems | |
Chen et al. | Towards energy efficient mapreduce | |
CN104424013A (zh) | 在计算环境中部署虚拟机的方法和设备 | |
US10754720B2 (en) | Health check diagnostics of resources by instantiating workloads in disaggregated data centers | |
Deng et al. | Reliability‐aware server consolidation for balancing energy‐lifetime tradeoff in virtualized cloud datacenters | |
CN102939594A (zh) | 与客户资源到数据中心环境内的虚拟资源的迁移有关的方法和装置 | |
US11283863B1 (en) | Data center management using digital twins | |
CN104838373A (zh) | 基于单个微控制器的多个计算节点管理 | |
US20210263667A1 (en) | Multi-cloud orchestration as-a-service | |
Zolfaghari et al. | Virtual machine consolidation in cloud computing systems: Challenges and future trends | |
US11693713B1 (en) | Self-tuning clusters for resilient microservices | |
US20230195444A1 (en) | Software Application Deployment Across Clusters | |
CN105051692A (zh) | 通过隔离的自动化故障处理 | |
US20230020268A1 (en) | Evaluating Recommended Changes To A Storage System | |
CN110704851A (zh) | 公有云数据处理方法和设备 | |
US11218378B1 (en) | Cluser-aware networking fabric update system | |
US10999159B2 (en) | System and method of detecting application affinity using network telemetry | |
WO2022074930A1 (ja) | 電子機器が有する記録媒体の保守サービスの提供方法及びシステム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |