مروري بر روش هاي پيش بيني خرابي در سيستم هاي توزيع شده مقياس بزرگ

فاقد عنوان

امروزه به علت رشد توليد اطلاعات در جهان، استفاده از سيستم‌هاي توزيع‌شده مقياس‌بزرگ همه‌گير شده و كاربردهاي فراواني نه‌ تنها در علوم كامپيوتر بلكه در علوم ديگر نظير اقليم‌شناسي، پزشكي و زيست‌شناسي پيدا كرده است. اين‌گونه سيستم‌ها به علت طبيعت پويا و پيچيده‌اي كه دارند همواره دچار خرابي‌هاي مختلف مي‌گردند. راهبرد بيشتر اين سيستم‌ها در هنگام مواجه شدن با خرابي اين است كه برنامه را مجددا بر روي بخش ديگري از سيستم اجرا نمايند كه اين روش موجب هدر رفتن منابع، زمان و انرژي مي‌شود؛ بنابراين وجود يك سيستم واكنشي پيشگيرانه كه خرابي را قبل از وقوع آن پيش‌بيني و متوقف كند بسيار مفيد به نظر مي‌رسد. در اين مقاله تلاش شده است تا بخشي از پژوهش‌هايي كه در چند سال گذشته به جهت پيش‌بيني خرابي در سيستم‌هاي توزيع‌شده مقياس بزرگ انجام گرفته است مرور و دسته‌بندي شود. تمركز اصلي مقاله روي مطالعاتي مي‌باشد كه با استفاده از فايل‌هاي ثبت وقايع، به پيش‌بيني خرابي برنامه‌ها يا منابع (سخت‌افزار و نرم‌افزار) در يك سيستم توزيع‌شده (شامل خوشه‌هاي كامپيوتري و سيستم‌هاي مشبك) در دنياي واقعي پرداخته است. به‌طور كلي، بررسي اين مطالعات نشان مي‌دهد كه پيش‌بيني برخط (به علت استفاده از ويژگي‌هاي بيشتر) نتايج بهتري دارد. اما، پيش‌بيني غير برخط منابع بيشتري را حفظ مي‌كند. به همين جهت، پيش‌بيني تركيبي بهترين گزينه به نظر مي‌رسد. همچنين در سال‌هاي اخير، مطالعه بر روي داده‌هاي ثبت وقايع مرتبط با سيستم‌هاي زيرساخت ابري (مانند خوشه‌هاي گوگل) محبوبيت بيشتري داشته است.

no abstract