hedgehogの日記

パソコンのパーツ検証、低消費電力化。

Failure Trends in a Large Disk Drive Population

Failure Trends in a Large Disk Drive Population
- Eduardo Pinheiro, Wolf-Dietrich Weber and Luiz Andre Barroso - Google Inc
（リンク切れ）

　グーグルが自社の大量のHDDを調査した結果から導き出されたHDDの故障についての論文です。
　「4.Related Works」を除いて全訳がとりあえず終わりました。たくさん誤訳があると思うので、全訳テキストの公開はちょっと踏みとどまっております。まずは要約ですが・・・
・（　　　）
の中は論文から私が考えた意見です。お約束ですが、誤訳等あるかもしれません、悪しからず。

　疲れたのでとりあえずは3.4 Temperatureまで。

Abstract
・以前の論文で、実際に大量のHDDを統計的に調査したものはなかった。
・私たちが提示するのは、自社の大量のHDDを元に調査した前例のないHDDの故障予測に関する結果である

1.Introduction
・昨今、HDDの必要性と重要性は増してきている
・HDDはまれにしか故障しないが、もし故障したときの被害は甚大である。
・故障予測が重要だ。
・SMART値は本当にHDDの故障と相関性があるのか、有用なのかを調査した。

2.Background

2.1 The System Health Infrastructure
・大量のHDDから、SMART値をはじめとする各種パラメータを収集し続けた。
・HDD,パラメータ,時間軸からなる３次元の表を生成
・ソフトウェアで解析して視覚化、考察をしていく

2.2 Deployment Details
・HDDは全部で10万台以上
・2001年以降の多種多様なドライブが混在
・電源はほとんど常に入った状態

2.3 Data Preparation
Definition of Failure（「故障」の定義）
・エンドユーザー視点で使用不能と判断されたディスクが、製造元の試験で正常と判断されることもある。「故障」の定義が異なっている。
・「故障」したドライブがほかの環境で動作してしまうことも珍しいことではない
・そこで、単にシステムで動作しなくなってHDDを交換せざるを得なくなったときを「故障」として定義しよう
・私たちはHDDの交換の際に、今回の研究で収集しているデータに基づいて行っているわけではない
・すなわち、以下で述べる相関性は強制的に作り出されたものではない（研究結果の信頼性は確保されている）

Filtering.
・収集中のデータが失われたときはそのデータを「利用不可能」とし、同じHDDの他のデータについては統計を続ける
・収集中のデータが異常な値、たとえば温度が太陽の表面温度よりも高い温度を示したときなど、は、他のデータの信頼性も確保されないのでHDDから収集されたすべてのデータを破棄する。
・疑わしい程度のデータは、重大な欠陥を示す指標であると仮定して、データ破棄は行わなかった。
・破棄されたデータは全体の0.1%

3.Result

3.1 Baseline Failure Rates
図２：研究で使用したドライブの年間故障率{AFR＝ (年間の平均故障件数／製品出荷総数) ×100 (％) }
・HDDの使用期間に応じて、３ヶ月、６ヶ月、１・２・３・４・５年とデータを区切っている
・Googleでは特定の時期に特定のHDDのみを採用することもあり、この使用年数別のグラフはHDDのモデルの影響を大きく受けている
・HDDの使用期間にかかわらず一貫した相関性を示したものが、HDDの故障予測について定性的な結果を与える。
・初期のデータ区切りの故障率の高さはいわゆる「初期不良」によるものである。

3.2 Manufacturers, Models, and Vintages
・図２のグラフをさらにモデルごとに分類したとき、故障率には大きく差がでた。
・故障率はHDDの製造元やモデルによって大きく変わる。
・しかし、以下に述べる特性はすべてのモデルに共通して見られる傾向であったため、上で述べたことは私たちの結論に影響を与えない。

3.3 Utilization
・「HDDの使用率」の定義は難しい
・私たちが定めた「HDDの使用率」はドライブごとの１週間の平均的な読み／書きの量である。
・HDDの占有率を0-25%,25-75%,75-100%の３段階に分けた。
・HDD負荷が高くなると、初期のHDD故障率が高くなる。
・HDD使用期間１年以降４年までの使用期間では故障率に有意な差は見られなかった。
・（しかしHDD使用期間５年では再びHDD負荷が高いと故障率が増大している。）
・（負荷が高いと、初期不良率と、５年生存率については低下する？）

3.4 Temperature
・以前の研究では動作温度はHDDの寿命に大きく影響を与えるとされていた。
・私たちは温度について、最大温度、平均温度、ある一定値を超えて高温を保ち続けた総時間数、などである。これらはすべて故障率との関連において平均温度と同様の相関性を示した。
・平均温度と故障率の関連について調べる。
・figure ５：中間の温度では温度上昇と故障率に相関は見られない
・使用期間が３年を超えると、高温時の故障率は高くなる。
・（figure4から45度を超えると故障率が顕著に増大しているように見える）
・（結局、サーバーのような温度管理がなされた中では寿命に影響を与えないが、一般使用で４５℃を超えるとやはりHDDの故障率は上昇しそうである。）
・（論文では、サーバーとしての使用が前提であり、４５度は高温で、考えにくい温度であるため結論であまり考慮されていない。しかし、HDD静音ケースに入れてアクセスを続けていると、45℃を超えることはままある。←Seagate barracuda 7200.11）
・（冷やしすぎは初期不良の増大を招く）

つづきはこちら。

[ 2008/03/12 20:51 ] ハードウェア | TB(0) | CM(2)

≪Failure Trends in a Large Disk Drive Population その２ | HOME | disk failure - googleから出ている論文を翻訳中≫

要約のほう興味深く読ませていただきました。
もしよろしかったら、全訳テキストのほうも公開していただけないでしょうか。

[ 2008/05/07 19:07 ] [ 編集 ]

全訳テキストについて

この記事の次の記事（その２の記事）に、対応についてコメントで書きましたので、そちらをご覧ください。いずれにせよ、明日から数日間は忙しくなるので少々時間をください。

[ 2008/05/08 05:38 ] [ 編集 ]

コメントの投稿