北京2022年5月10日 /美通社/ -- "亞健康"這個詞不僅在生活中被熟知，而且大家經常使用的信息系統中也會經常遇到；亞健康狀態，顧名思義，是存儲系統介于健康狀態和故障狀態之間的一種狀態，系統仍在運行且功能正常但處于降級模式的一種情況，它的存在會造成系統性能嚴重低于預期。浪潮存儲基于對亞健康狀態的研究，在分布式存儲平臺進行技術創新，研發了亞健康狀態監控功能，對硬件、系統、網絡等進行實時監測，當系統發現運行過程中存在亞健康狀態時，可快速定位原因、上報、并對處于亞健康的部件進行必要的處理，降低亞健康狀態對存儲系統的影響，保障用戶數據服務的可靠、高效。
過去因大部分應用系統規模較小，一般會將亞健康狀態劃歸到故障進行處理，系統在這種情況下雖處于亞健康狀態，但仍可以對外提供服務，處于亞健康的部件卻被當成故障處理擴大了亞健康狀態的影響范圍，有時甚至會導致系統不可提供服務，也造成了資源浪費。近年來，隨著新技術的快速發展，以及分布式系統部署規模的增加，亞健康狀態對于存儲系統的影響已經越來越顯著，之前亞健康狀態處理方式已經不適合現在的大規模系統，亟待更加智能、高效的機制來保障存儲系統健康運行。
亞健康狀態是隱形的系統殺手
以網絡亞健康為例，網卡故障、驅動程序故障、設備故障、接線松動、溫度過高過低等都可能引起網絡亞健康狀態，盡管產生網絡亞健康狀態的原因眾多，但其對外表現的現象相對簡單，主要是網絡時延的增加和網絡丟包率的增加。如下為網絡丟包率和時延對分布式存儲系統性能的影響。
在一個分布式存儲系統中，單個節點網絡丟包率或網絡時延增加時，存儲系統的性能會極快速的下降，5%的丟包率或50ms時延，就足以使存儲系統性能下降一半左右。
從網絡亞健康實例中可以看出，亞健康狀態對系統的危害，即使一個微小的亞健康狀態，對系統性能的影響都是巨大的。此外CPU、內存、硬盤模塊、網卡等硬件部件、操作系統以及軟件運行均有可能進入亞健康狀態，
浪潮存儲基于大量來自企業、大學、實驗室等案例的亞健康狀態的研究，進行了故障分類和根因分析，可以看出，硬件亞健康故障占比33%，網絡亞健康故障占比38%，這兩類故障占比超過整體的70%。
亞健康狀態案例比例
亞健康狀態監控讓分布式存儲運行更穩定
基于對亞健康狀態的表象根因等分析與研究，浪潮在分布式存儲上實現了亞健康狀態監控功能，對硬件亞健康狀態、系統亞健康狀態以及網絡亞健康狀態的實時監控，當系統發現運行過程中存在亞健康狀態時，可快速定位亞健康狀態的原因、上報故障、并對亞健康的部件進行必要的處理（如嘗試恢復、隔離部件等），最大限度的降低亞健康狀態對存儲系統的影響。
浪潮分布式存儲AS13000配置了亞健康狀態監控之后可以進行亞健康狀態監控告警服務的同時還具有諸多優勢。
首先，精準定位。亞健康狀態的場景復雜，癥狀、根因眾多，檢測難度大。亞健康狀態監控系統通過建立硬件亞健康檢測、網絡亞健康檢測以及系統亞健康檢測的機制，有效的覆蓋了亞健康狀態的各種檢測場景，再加上檢測信息的精準分析，能更精準的定位亞健康狀態。
其次，快速處理。存儲系統長期以亞健康狀態的狀態運行，會影響整體性能，監控功能可以在短期內發現亞健康狀態，并及時做出必要的處理。以往為了確保系統運行的穩定性，運維人員預計需要每周執行一次巡檢腳本，對整個集群進行健康巡檢。這種方式一方面時效性差，平均3-4天才可以發現問題；另一方面是巡檢腳本檢測并不全面。亞健康監控可以150秒內發現網絡亞健康狀態并進行網口隔離處理、30分鐘內發現系統亞健康狀態并告警、60分鐘內發現磁盤溫度異常并告警等；平均發現系統亞健康狀態并處理的時間縮短了四分之三，并且檢測的項目更全面、結果更準確。
具備亞健康狀態監控功能的分布式存儲AS13000，已經在金融、通信、教科研、醫療等行業規模部署，在運行過程中亞健康狀態監控功能快速響應機制，降低了亞健康狀態對存儲系統的影響與運維成本，保障了企業業務穩健運行，讓企業輕松應對數字經濟時代的海量數據挑戰。
