Notice bibliographique
Résumé
The reliability of storage systems is critical for our modern world. As the world's demand for data expands, an ever increasing number of systems and devices are required to store and process these data. A single data center often contains hundreds of thousands and even millions of nodes. The numerous components dictate that failures within these clusters are no longer the exception but the norm, and simplistic assumptions about error characteristics and mitigation are insufficient at these scales. The cost of operation for individual systems as well as massive data centers are contingent on low rate of error incidences and successful, timely mitigation to minimize the impact to regular operations. To that end, this thesis studies the reliability of different components across the storage stack and develops mitigation strategies based on insight gained from large-scale, real-world data. Specifically, we study main memory and disks, two of the most frequently replaced components in data centers. We analyse memory error characteristics from several large-scale systems and recommend simple page retirement policies to mitigate errors. We further develop a novel technique to protect previously unprotected pages that belong to the kernel, by repurposing virtualization hardware already available on modern processors. We also evaluate several new error mitigation mechanisms available on modern hardware. At the same time, we examine the effect that temperature has on system performance and power draw. Lastly, we study the reliability of file systems on solid state drives by injecting errors based on realistic SSD fault modes. We discover bugs that are present in popular file systems and make recommendations on future file system design. Overall, we advance the understanding of error characteristics and mitigation in several aspects and across different layers of the storage stack. We study errors by observing systems in deployment, and use the insights gained to develop effective mitigation that target real-world scenarios.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».