第二页
磁盘
在磁盘硬件监测上，你也有类似的问题。磁盘有通用的错误值集合，这些错误值由SMART技术予以定义并加以搜集。如果你有JBOD（简单磁盘捆绑）或者低端的RAID（独立磁盘冗余阵列），那么你可以购买一个软件包来帮助你搜集SMART数据。
那么对于我们这些拥有来自大型厂商的大型RAID系统的用户来说又是如何呢？所有这些厂商都会监测SMART统计数据，并根据它们所搜集的来自驱动器厂商的信息，历年来所搜集的统计信息，以及一些情况下对性能的要求，主动地停止驱动器的运作，比如一些厂商会选择替换驱动器而不是接受重试下的低性能。对于一些使用SATA（串行ATA）驱动器的厂商来说，尤其如此。所有这些都很好，但是你对此毫无所知，所有这些都由RAID控制器下完成和管理，而你都看不到。
因此，我还想问这样的情况有什么问题。我觉得是有一些问题和值得担忧的地方。
就像培根先生所说的那样，知识就是力量。我想知道RAID控制器里所发生的事情，决策是如何做出的，以及为什么磁盘控制器会故障。
RAID厂商们一般会在看到一些情况后怎么做的呢？在过去的10年中，我看到了很多次故障率非常高的情况，特别是在新驱动器的早期发布上。如果我知道这些统计数据，我本来可以更加积极主动地和厂商沟通这些故障的（当然，他们很可能不想让我知道）。
错误信息都没有被整合到环境中去，我所能获得的就是一些SNMP警告，或者如果我登录到RAID控制器本身可能会得到更多的一些细节。
因此，基于这些理由，我非常希望RAID厂商能够提供他们在底下所做的事情的数据，这样我可以做出更好的决策。问题是你如何让所有这种信息进入到企业监测框架中去呢？答案是：不容易。
信道误码率
光纤通道和一些其他的技术有10E12th比特的信道误码率，但是通过错误纠正代码，可以得到更高的正确率。就我所闻而言，光纤通道的误码率可以纠正到大约10E21st比特。这也就是说，在每10E21st比特的信息中可能会因为没有将一个误码监测为误码，或者因为错误地纠正一个误码而得到一个误码。
这个比特数很高，确实很好，但是我一直以来的问题是如果信道开始衰减（见《当比特变坏》）那么会发生什么。如果误码率为10E12th的信道开始衰减，那么会如何影响10E21st的误码纠错率，而信道会何时开始衰减？如果误码率为10E11th或者10E10th时又如何呢？至少，我还没有从公开的途径中获得任何答案。无论是什么数字，误码纠错率都会以非线性的形式急速下降。在这个领域中，我还是没有发现公开的答案，但我自己估计，大概会以4到5倍的数量级下降。这也就是我为什么希望搜集这种类型信息的原因，因为这样我就可以对整个数据通路进行相关分析。
实际上，在整个数据通路上，都可以得到很多的错误统计数据和信息，问题是没有一个统一的管理工具来获得所有这些信息。我经常要利用很多工具和脚本来确定问题所在和进行相关分析。随着存储环境越来越复杂，将低层次数据、所有的数据通路错误以及警告联系起来肯定是非常好的事情。SNMP警告则仅仅是警告——它们几乎任何时候都不提供足够的信息来告诉你是因为什么原因导致了警告。也许我问得太多了，但是这个问题如果解决肯定能帮助许多人。
网友评论