Perseus: A Fail-Slow Detection Framework for Cloud Storage Systems

[stonewhitener]

Resources

• https://www.usenix.org/conference/fast23/presentation/lu
• https://docs.google.com/document/d/1RVCZgH2ps7NAzce_wxT5BahWyUVFCNPEbNSHsCVEu6c/edit?usp=sharing

Summary

ストレージデバイスの fail-slow failure を検知するフレームワーク Perseus を提案．ストレージデバイスのレイテンシとスループットの分布から定義される多項式回帰モデルを用いて通常動作を定義し，そこから導かれる適用的スレッショルドを用いて異常動作のプロットを抽出．スライディングウィンドウにより性能低下の期間と度合いを加味して fail-slow failure の尤度を計算．

Memo

• Fail-slow failure
  • 正しく動作しているが想定している性能が出ていない
  • Fail-stop failure 程度の発生確率 (意外とよく起きる)
• 検知が難しい
  • 正しく動作しているが故
  • 長期間発見されないことが多々ある
  • 
  • あらゆる定義が考えられる
• 既存の fail-slow detection
  • Intrusive
    • アプリケーションのソースコードを用いる．
    • 実際は顧客のソースコードにアクセスするのは不可．
  • Coarse-grained
    • ノードレベルの検知手法．デバイスレベルではない．
    • 根本の原因を探す manual effor が必要．
• データセット
• 検知手法
  • スレッショルドの決定方法
    • 同じノードのドライブは同じ仕様で同じ負荷をさばいていることが多いという直感を利用．
    • 
    • Fail-slow か否かの二値ではなく，Likelihood で提示．