Критерии ранжирования накопителей информации в data-центрах по надежности

Обложка

Цитировать

Полный текст

Аннотация

Подобраны критерии в виде границ диапазонов ранжирования накопителей информации по надежности на основе их распределения по значениям SMART-параметров, представленных в открытом доступе data-центрами компании Backblaze за длительный период. В результате определены следующие критерии: 0 – для точечного диапазона накопителей с нулевыми значениями показателей надежности; 1 – для еще одного точечного диапазона накопителей, у которых хоть один показатель надежности имеет значение, равное единице; 2-8 – для накопителей, у которых значение хоть одного показателя надежности больше одного, но не превышает восьми, т.е. одну дорожку секторов записи/считывания; >8 – полуоткрытый диапазон накопителей со значениями хотя бы одного показателя надежности, превышающего восемь единиц.

Об авторах

Искандар Наилович Насыров

Федеральное государственное автономное образовательное учреждение высшего образования «Казанский (Приволжский) федеральный университет»

Автор, ответственный за переписку.
Email: ecoseti@yandex.ru

Профессор, доктор экономических наук

Россия, Казань

Ильдар Искандарович Насыров

ООО «Телеком Интеграция»

Email: ildarec@mail.ru

Ведущий сервис-менеджер, кандидат технических наук

Россия, Казань

Рустам Искандарович Насыров

ООО «Газпромнефть – Цифровые решения»

Email: rinasyrov@gmail.com

Руководитель портфеля проектов

Россия, Санкт-Петербург

Список литературы

  1. Nasyrov I.N., Nasyrov I.I., Nasyrov R.I., Khairullin B.A. Parameters selection for information storage reliability assessment and prediction by absolute values // Journal of Advanced Research in Dynamical and Control Systems. 2018. Vol. 10, Is. 2 Special Issue. P. 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. Identifying benchmarks for failure prediction in industry 4.0 // Informatics. 2021. 8 (4).P. 68. https://doi.org/10.3390/informatics8040068.
  3. Насыров И.Н., Насыров И.И., Насыров Р.И. Большие данные по надежности накопителей информации в data-центрах // Цифровая экономика. 2022. № 2 (18). С. 33-37. https://doi. org/10.34706/DE-2022-02-04.
  4. Асташова Н.Д., Бобкова Т.В. «Неэкономические» модели цифровой экономики // Вестник Томского гос. ун-та. 2021. № 470. С. 72-79. https://doi.org/10.17223/15617793/470/8.
  5. Демидова Л.А., Филатов А.В. Разработка модели классификации состояния жестких дисков на основе LSTM-нейронных сетей // Высокопроизводительные вычислительные системы и технологии. 2021. Т. 5. № 1. С. 37-42. https://www. elibrary.ru/item.asp?id=46592613.
  6. Filatov A., Demidova L. Application of Recurrent Networks to Develop Models for Hard Disk State Classification // Communications in Computer and Information Science. 2022. Vol. 1526. P. 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. 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. 2022. Vol. 65. P. 232-237. https://doi.org/10.1134/S0020441222020105.
  8. Chang Shi, Zhenyu Wu, Xiaomeng Lv, Yang Ji. DGTL-Net: A Deep Generative Transfer Learning Network for Fault Diagnostics on New Hard Disks // Expert Systems with Applications. 2021. Vol. 169. 114379. https://doi.org/10.1016/j. eswa.2020.114379.
  9. Pinheiro E., Weber W.D., Barroso L.A. Failure trends in a large disk drive population // Proceedings of the 5th USENIX Conference on File and Storage Technologies (FAST’07). San Jose, California, USA, 13-16 February. 2007. P. 17-28. https://www. usenix.org/legacy/events/fast07/tech/full_papers/ pinheiro/pinheiro.pdf.
  10. Насыров Р.И. Критерии и показатели ранжирования накопителей информации по степени надежности // Вестник компьютерных и информационных технологий. 2016. № 10 (148).С. 30-35. https://doi.org/10.14489/vkit.2016.10.. 030-035.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

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».