Ahan Blog

「生命在于体验和传承」

稳定性——常见的故障注入方法

常见的故障注入方法进程故障强制终止进程：kill -9 $pid 暂停进程的执行：kill -19 $pid 恢复暂停的进程：kill -18 $pid 容器故障容器故障直接删除pod：kubectl delete pod $podname -n$ns 主机故障重启 reboot 重启 reboot -f：正常情况下，系统在重启时会执行一系列操作，比如通知正...

Posted by Ahan on February 22, 2025

稳定性——故障演练

故障演练是一种通过模拟生产环境中可能出现的故障，检验和提升系统可靠性、稳定性以及应急响应能力的实践活动。目的提升系统韧性帮助团队提前发现系统潜在的脆弱点。例如，在分布式系统中，某个节点故障可能导致服务不可用。通过故障演练，可以确定系统在这种情况下是否能够自动切换到其他节点，或者是否有足够的冗余来保证服务的持续提供。增强系统对各种故障场景的容...

Posted by Ahan on February 18, 2025

稳定性——测试

测试在保障系统和服务的稳定性方面，测试是至关重要的环节。测试在稳定性建设中的重要性体现在以下几个方面：它能够发现问题、验证设计、提升系统可靠性、降低风险，并为稳定性优化提供数据支持。不同类型的测试方法（如单元测试、系统测试、长稳测试、拨测、故障演练）各有侧重点，共同保障系统的稳定性。（1）发现和定位问题测试是发现问题的最前线。通过精心设计的测试用例，我们能够尽早发现代码缺陷、性能...

Posted by Ahan on January 10, 2025

灰度发布

什么是灰度灰度是指让软件逐步地、可控地发布到线上的过程。通过灰度过程，我们有机会可以观察变更对系统的影响，从而判断当前的上线过程是否健康，是否需要回滚。最终确保整个变更的过程稳定性。灰度核心能力灰度的核心能力包括三个部分：可控可验证可回滚可控可控指通过分阶段发布、功能开关和容量预估等手段，确保发布过程中的影响范围受控，风险最小化，便于快速检测和回滚...

Posted by Ahan on January 3, 2025

单点故障

什么是单点故障单点故障（英语：single point of failure，缩写SPOF）是指系统中一点失效，就会让整个系统无法运作的部件，换句话说，单点故障即会整体故障。毫无疑问，单点故障是我们在考虑稳定性问题里不得不在一开始就考虑的问题，所有高度可用的系统（商务系统、软件系统或工业系统）不会希望有单点故障造成整体故障的情形。那么什么是“单点”呢？在”单点故障”这个术语中，”单...

Posted by Ahan on January 3, 2025

2012 [HotStorage] Delta Compressed and Deduplicated Storage Using Stream-Informed Locality

结合了两种 data reduce 技术： Deduplication：重删 Delta Compression：先 delta，再压缩（LZ 算法）。核心思路：先做重删，对于重复的数据块，直接引用。对于没有重复的数据块，通过 Sketch 找到类似的数据块：如果找不到，说明是全新的块，直接压缩。如果找到类似的，那么...

Posted by Ahan on October 18, 2024

2022[FAST]Separating Data via Block Invalidation Time Inference for Write Amplification Reduction in Log-Structured Storage

背景和问题云上块存储，通常是基于append-only的底层存储实现的，数据以block为单位被append到segment中。 segment 中包含多个block，其中一部分是有效的，一部分是无效的。需要通过 GC 来回收无效的block，并把segment中有效的block重新写入新的segment，以回收旧的segment。 GC的过程，会带来写放大（writ...

Posted by Ahan on June 30, 2024

FAST '20 - HotRing: A Hotspot-Aware In-Memory Key-Value Store

问题背景数据热点：热点问题在in-memory KVS中被忽视了。从阿里巴巴生产环境的in-memory KVS中，本文发现50%～90%的请求只访问了1%的items。为了解决热点问题，有以下的思路：文章提出了一种HotRing的热点感知KV数据结构，它具有以下特性： ordered-ring hash。把热点数据靠近头节点以快速访问提供轻量级、运行态的热...

Posted by Ahan on June 9, 2024

2020【ieee】an in Depth analysis of cloud block storage workloads in large Scale production

块存储系统支持现代云服务中各种类型的应用程序。对其I/O活动进行表征对指导更好的系统设计和优化至关重要。论文通过来自阿里巴巴云的数十亿I/O请求的块级I/O跟踪，对生产云块存储工作负载进行了深入分析。论文研究了负载强度、空间模式和时间模式的特征，提供了15个发现，并讨论它们对云块存储系统中的负载平衡、缓存效率和存储集群管理的影响。相关的 trace 数据集已经公开：https://g...

Posted by Ahan Blog on April 13, 2024

数据去重综述——A Comprehensive Study of the Past, Present, and Future of Data Deduplication

概述数据去重（Data Deduplication，也称为数据重删），作为一种高效的数据减少方法，由于数字数据的爆炸式增长，在大规模存储系统中越来越受到关注和青睐。它通过在文件或子文件级别消除冗余数据，并通过其具有密码学安全哈希签名（即抗碰撞指纹）来识别重复内容，这在大规模存储系统中被证明比传统的压缩方法更具计算效率。介绍图1显示了数据去重的一般工作流程。 Chunk...

Posted by Ahan on March 29, 2024