Criteria for ranking information storage devices in data centers by reliability

Мұқаба

Дәйексөз келтіру

Толық мәтін

Аннотация

Criteria have been selected in the form of ranges boundaries for ranking information storage devices by reliability based on their distribution by SMART parameters values presented in the public domain by Backblaze data centers over a long period. As a result, the following criteria were determined: 0 – for a point range of drives with zero values of reliability indicators; 1 – for another point range of drives with at least one reliability indicator having a value equal to one; 2-8 – for drives whose value of at least one reliability indicator is greater than one, but does not exceed eight, i.e. one track of write/read sectors; >8 – a semi-open range of drives with values of at least one reliability indicator exceeding eight units.

Авторлар туралы

I. Nasyrov

Kazan (Volga Region) Federal University

Хат алмасуға жауапты Автор.
Email: ecoseti@yandex.ru

Doctor of Economics, associate professor

Ресей, Kazan

I. Nasyrov

Telecom Integration LLC

Email: ildarec@mail.ru

Candidate of Technical Sciences

Ресей, Kazan

R. Nasyrov

Gazpromneft – Digital Solutions LLC

Email: rinasyrov@gmail.com

Руководитель портфеля проектов

Ресей, Saint Petersburg

Әдебиет тізімі

  1. Nasyrov I.N., Nasyrov I.I., Nasyrov R.I., Khairullin B.A. 2018. Parameters selection for information storage reliability assessment and prediction by absolute values. Journal of Advanced Research in Dynamical and Control Systems. 10(2 Special Issue):2248–2254. https://kpfu.ru//staff_files/ F810852973/Parameters_Selection_for_ Information_Storage_Reliability_Assessment_ and_Prediction_by_Abs_Val.pdf
  2. Diallo M.S., Mokeddem S.A., Braud A., Frey G., Lachiche N. 2021. Identifying benchmarks for failure prediction in industry 4.0. Informatics. 8(4):68. https://doi.org/10.3390/informatics8040068
  3. Nasyrov I.N., Nasyrov I.I., Nasyrov R.I. 2022. Bol’shie dannye po nadezhnosti nakopitelej informacii v data-centrakh [Big data on storage devices reliability in data centers] // Cifrovaya ehkonomika [Digital Economy]. 2(18):33–37. https://doi.org/10.34706/DE-2022-02-04
  4. Astashova N.D., Bobkova T.V. 2021.«Neehkonomicheskie» modeli cifrovoj ehkonomiki [“Non-Classical” Models of the Digital Economy]. Vestnik Tomskogo gosudarstvennogo universiteta [Tomsk State University Journal]. 470:72–79. https://doi.org/10.17223/15617793/470/8
  5. Demidova L.A., Filatov A.V. 2021. Razrabotka modeli klassifikacii sostoyaniya zhestkikh diskov na osnove LSTM-nejronnykh setej [Development of a hard disk state classification model based on the LSTM architecture of recurrent neural networks]. Vysokoproizvoditel’nye vychislitel’nye sistemy i tekhnologii [High-performance Computing Systems and Technologies]. 5(1):37–42. https:// www.elibrary.ru/item.asp?id=46592613
  6. Filatov A., Demidova L. 2022. Application of Recurrent Networks to Develop Models for Hard Disk State Classification. Communications in Computer and Information Science. 1526:380–390. https://doi.org/10.1007/978-3-030-94141-3_30
  7. Bezrukov I.A., Salnikov A.I., Yakovlev V.A., Vylegzhanin A.V. 2022. An Analysis of the Reliability of a Software Failure-Safe Array in the Organization of Long-Term Storage of Radio Interferometry Data with Ultra-Long Bases. Instruments and Experimental Techniques. 65:232–237. https://doi.org/10.1134/S0020441222020105
  8. Chang Shi, Zhenyu Wu, Xiaomeng Lv, Yang Ji. 2021. DGTL-Net: A Deep Generative Transfer Learning Network for Fault Diagnostics on New Hard Disks. Expert Systems with Applications. 169. 114379. https://doi.org/10.1016/j.eswa.2020.114379
  9. Pinheiro E., Weber W.D., Barroso L.A. 2007. Failure trends in a large disk drive population. 5th USENIX Conference on File and Storage Technologies (FAST’07) Proceedings. San Jose, California, USA, 13-16 February 2007. 17–28. https://www.usenix.org/legacy/events/fast07/tech/ full_papers/pinheiro/pinheiro.pdf
  10. Nasyrov R.I. 2016. Kriterii i pokazateli ranzhirovaniya nakopitelej informacii po stepeni nadezhnosti [Criteria and Indicators for Ranking the Data Storage Devices According to the Degree of Reliability]. Vestnik komp’yuternykh i informacionnykh tekhnologij [Herald of Computer and Information Technologies]. 10(148):30–35. https://doi.org/10.14489/vkit.2016.10.pp.030-035

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».