PERSEUS detecta fallos lentos en almacenamiento en la nube

El equipo de investigación de Alibaba y universidades chinas ha desarrollado PERSEUS, un marco de detección de fallos lentos (fail-slow) para sistemas de almacenamiento en la nube. Este framework, presentado en la 21ª Conferencia de USENIX sobre Tecnologías de Archivos y Almacenamiento, aborda el problema de los componentes que funcionan pero con rendimiento degradado, un fenómeno conocido como fallos grises o limpware. A diferencia de los fallos de parada total, los fallos lentos son más difíciles de detectar y suelen ser transitorios, lo que dificulta su diagnóstico en entornos de producción masivos.

PERSEUS utiliza un modelo de regresión ligera para identificar estos fallos a la granularidad de los discos duros. Durante un monitoreo de diez meses en 248.000 unidades, el sistema identificó 304 casos de fallos lentos. Al aislar y reemplazar estos discos, la latencia de cola al 99.99% en el nivel de nodo se redujo un 48%. El equipo ha publicado un conjunto de datos a gran escala con 41.000 unidades normales y 315 verificadas como fallidas para facilitar el estudio futuro. Además, el análisis de causas raíz reveló que los fallos lentos pueden deberse a programación mal implementada, defectos de hardware y factores ambientales como la temperatura. El framework destaca por ser no intrusivo, adaptable a diversos servicios y con una precisión del 99% y un recall del 100% en sus pruebas.