vSAN6.2 对象校验和

点击关注公众号:VirtualMan 查看更多技术故障解决方案!

这几篇文章将主要介绍一些重要的功能,vSAN 6.2引入了一项新功能,即端到端软件校验和,可以帮助客户避免由于基础存储介质上的问题而引起的数据完整性问题。

在vSAN 6.2中,默认启用校验和,但可以通过VM存储策略在每个虚拟机/对象启用或禁用校验和。默认情况下会启用校验和,因为我们认为客户希望用到这一强大的新功能。禁用它的唯一原因是应用程序已包含此功能。

**校验和的新功能称为“禁用对象校验和”。**如下所示,在创建VM存储策略时可以选择并禁用它。否则,它将始终启用。
在这里插入图片描述
vSAN校验和的简要概述:

vSAN上的校验和使用非常常见的循环冗余校验CRC-32C(Castagnoli)实现以达到最佳性能,利用英特尔处理器上的特殊CPU指令。每4KB数据块都有与其关联的校验和。校验和的大小为5字节,数据被写入时,校验和将在数据来源的同一主机上进行验证,以确保在网络上出现任何损坏时都能捕捉到。校验和与数据一起保存。

如果在随后的数据读取过程中启用了校验和,也会要求校验和数据。

如果校验和显示刚刚读取的数据块在某种程度上已损坏,则对于Raid1对象,将从另一个副本/镜像中读取正确的数据。对于Raid5 / Raid6对象,将从Raid条带中的其他组件重建数据块。在包含错误组件的主机上以及在运行VM的主机上的vmkernel.log文件中也会记录一个错误。在下面的示例中,我们故意用随机数据覆盖了零位数据块,然后通过操作系统读取数据:

**2016-02-16T07:31:44.082Z cpu0:33075)LSOM:RCDomCompletion:6706:
Throttled: Checksum error detected oncomponent
a3fbc156-3573-4f2c-f257-0050560217f4
(computed CRC 0x6e4179d7 != saved CRC 0x0)

2016-02-16T07:31:44.086Z cpu0:33223)LSOM:LSOMScrubReadComplete:1958:
Throttled: Checksum error detected oncomponent
a3fbc156-3573-4f2c-f257-0050560217f4, dataoffset 524288
(computed CRC 0x6e4179d7 != saved CRC 0x0)

2016-02-16T07:31:44.096Zcpu1:82528)WARNING: DOM:
DOMScrubberAddCompErrorFixedVob:327:Virtual SAN detected and fixed a
medium or checksum error for component
a3fbc156-3573-4f2c-f257-0050560217f4
on disk group521f5f1b-c59a-0fe2-bdc0-d1236798437c**

扫描机制:

除了对读取操作进行校验和验证外,vSAN还有一个磁盘扫描机制,用于检查磁盘上的数据是否有静默损坏。该机制默认每年扫描检查一次所有数据,但是可以通过高级设置VSAN.ObjectScrubsPerYear进行调整,使其运行频率更高。例如,如果希望每周检查一次所有数据,可将其设置为52,但是要注意,在运行此操作时将会有一些性能开销。

总结:

所有新功能(例如Raid5 / Raid6,去重和压缩)以及配置(例如vSAN延伸群集)都完全支持校验和。如前所述,默认情况下它处于启用状态,因此客户无需配置就可以直接使用。如果出于某种原因而不想使用它,只需如上所述在VM存储策略中将其禁用即可。该功能将使vSAN客户能够检测到由于“潜在扇区错误”而导致的数据损坏,这些“错误扇区错误”通常是由于物理驱动器问题或其他静默数据损坏引起的。

在这里插入图片描述
(扫描关注公众号,获取更多原创技术故障解决方案!)

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值