МАТРИЧНЫЙ МЕТОД МНОГОПАРАМЕТРИЧЕСКОГО РАНЖИРОВАНИЯ НАКОПИТЕЛЕЙ ИНФОРМАЦИИ ПО НАДЕЖНОСТИ ДЛЯ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ ДЕЯТЕЛЬНОСТИ ПРОМЫШЛЕННЫХ DATA-ЦЕНТРОВ

Выполнено многопараметрическое ранжирование продолжающих функционировать, снятых досрочно, вышедших из строя накопителей по диапазонам надежности на основе находящихся в открытом доступе данных одного из крупнейших в мире коммерческих data-центров компании Backblaze. Обнаружено, что большое число работающих накопителей имеет низкие показатели надежности со значениями, отличными от нуля. Предложен матричный метод увеличения эффективности (прибыли) для промышленных dataцентров за счет распределения информации по степени важности с ценой хранения соответственно степени надежности накопителей.

1. Ходжаева Д.Ф. Лучшие облачные сервисы, используемые в сфере образования // Проблемы современной науки и образования. 2022. № 1 (170). С. 24-27. https://www.elibrary.ru/item.asp?id=48118613

2. Diallo M.S., Mokeddem S.A., Braud A., Frey G., Lachiche N. Identifying benchmarks for failure prediction in industry 4.0 // Informatics. 2021. 8 (4). P. 68. https://doi.org/10.3390/informatics8040068

3. Насыров И.Н., Насыров И.И., Насыров Р.И. Большие данные по надежности накопителей информации в data-центрах // Цифровая экономика. 2022. № 2 (18). С. 33-37. https://doi.org/10.34706/DE-2022-02-04

4. Cahyadi, Forshaw M. Hard disk failure prediction on highly imbalanced data using LSTM network // IEEE International Conference on Big Data (Big Data, 15-18 December 2021, Orlando, FL, USA). 2021. P. 3985-3991. https://doi.org/10.1109/BigData52589.2021.9671555

5. Демидова Л.А., Филатов А.В. Разработка модели классификации состояния жестких дисков на основе LSTM-нейронных сетей // Высокопроизводительные вычислительные системы и технологии. 2021. Т. 5. № 1. С. 37-42. https://www.elibrary.ru/item.asp?id=46592613