防患于未然好过亡羊补牢 Azure选择机器学习预测故障

【CNMO新闻】云端的一大优点是用户不必担心管理和修复硬件，避免了一般硬盘和服务器会出现的故障问题。然而事实上，硬盘驱动器却是云数据中心中最有可能出现故障的设备，相关研究表明，在使用两年内报告存储系统硬盘扇区故障的占20%，在六年内报告的57%。在Azure这样的云服务上，每天可能出现故障的驱动器大约占到每100万个驱动器中的300个。

Azure

存储集群使用硬件冗余来避免这个问题，但是对于运行虚拟机的服务器来说，是无法解决硬盘驱动器的故障的。驱动器超时、卷大小、扇区和延迟错误都会产生难以诊断的间歇性问题，比如文件操作失败等。事实证明，正是这些潜在的故障导致了大量的云中断，当硬件出现故障时，Azure会自动实时迁移VM，并在机架维护、BIOS更新和Windows服务器升级之前移动工作负载，这将使VM在故障后不可用的时间减半。

另外，新机器学习系统还可以预测硬盘驱动器或整个集群节点何时会有故障，无论是驱动器故障、输入或输出延迟问题、内存错误还是CPU频率问题，现在，Azure可以确保在故障发生之前实时迁移VM，这就减少了VM每月约1000小时的停机时间。