Investigation and development of optimising functioning of a data storage system

Abstract

В данной работе подробно изучены менеджеры томов LVM и VDO. Проведён анализ нагрузки на СХД от пользователей, на его основе создана сигнатура. Проведено сравнение производительности LVM и VDO при использовании технологий тонкого выделения и снепшотов с базовыми настройками. Исследована зависимость оптимального параметра chunksize для тонких томов и снепшотов LVM от нагрузки. На основе выведенных из различных нагрузок сигнатур и результатов тестирования обучена модель машинного обучения для определения оптимального значения параметра chunksize.

LVM and VDO volume managers are explored in this paper. The analysis of the workloads from users on the storage system is made, on its basis a signature is created. The performance of LVM and VDO volumes when using technologies of thin provisioning and snapshots with basic settings is compared. The dependence of the optimal chunksize parameter for thin volumes and snapshots LVM on the workload is investigated. Based on the signatures derived from various workloads and test results, a machine learning model is trained to determine the optimal value of the chunksize parameter.