हॉट स्पेयर या हॉट मेस

RAID में सुरक्षा की एक परत जोड़ने का एक सामान्य तरीका है कि स्पेयर ड्राइव(ें) उपलब्ध रखी जाएं ताकि खराब ड्राइव को बदलने में लगने वाला समय कम से कम हो। इसका सबसे चरम रूप “हॉट स्पेयर” – कहलाता है एक स्पेयर ड्राइव जो वास्तव में array में बैठी रहती है लेकिन तब तक उपयोग नहीं होती जब तक array किसी ड्राइव की विफलता नहीं पकड़ लेती, जिस समय सिस्टम स्वचालित रूप से खराब ड्राइव को निष्क्रिय कर देता है और हॉट स्पेयर को सक्रिय कर देता है, ठीक वैसे जैसे किसी इंसान ने एक ड्राइव निकाली और दूसरी लगाई, जिससे resilver ऑपरेशन (array का पुनर्निर्माण) जल्द से जल्द शुरू हो सके। यह नई ड्राइव स्वैप करने का समय घंटों या दिनों से घटाकर सेकंड तक ला सकता है और सिद्धांत में अत्यधिक सुरक्षा प्रदान कर सकता है।

पहले मैं उस बात को संबोधित करना चाहूंगा जो मुझे व्यक्तिगत रूप से नामकरण परंपराओं में एक गलती लगती है। जिसे हम हॉट स्पेयर कहते हैं उसे वास्तव में वार्म स्पेयर कहा जाना चाहिए क्योंकि यह तैयार बैठी है लेकिन इसमें तुरंत उपयोग के लिए आवश्यक डेटा नहीं है। चेसिस के बाहर रखी एक स्पेयर ड्राइव जिसे किसी इंसान को मैन्युअली स्वैप करना पड़े, वह कोल्ड स्पेयर होगी। सच में हॉट स्पेयर होने के लिए एक ड्राइव में डेटा भरा होना चाहिए और इसलिए वह RAID array में किसी न किसी रूप में भागीदार सदस्य होगी। Red Hat के पास disaster recovery sites पर इस शब्दावली के संदर्भ के लिए एक अच्छा लेख है। यह अंतर महत्वपूर्ण है क्योंकि जिसे हम हॉट स्पेयर कहते हैं उसमें पहले से डेटा नहीं होता और वह तुरंत खराब ड्राइव की जगह नहीं लेती, बल्कि खोई हुई ड्राइव को पुनर्स्थापित करने की प्रक्रिया तुरंत शुरू करती है – एक महत्वपूर्ण अंतर।

अवधारणाओं को स्पष्ट रखने के लिए, आगे से मैं जिसे विक्रेता हॉट स्पेयर कहते हैं उसे “वार्म स्पेयर” कहूंगा। यह शीघ्र ही समझ में आएगा।

वार्म स्पेयर के साथ दो मुख्य चिंताएं हैं। पहली है अधिकांश उपयोग के मामलों में वार्म स्पेयर की अप्रभावी प्रकृति और दूसरी है “automated array destruction” का जोखिम।

अधिकांश लोग वार्म स्पेयर की अवधारणा को parity RAID 5 array में secondary ड्राइव विफलता के उच्च जोखिम को कम करने के साधन के रूप में देखते हैं। RAID 5 arrays केवल array के भीतर एक ही disk की विफलता से सुरक्षा करते हैं। एक disk विफल होने के बाद array के पास parity का कोई रूप नहीं बचता और कोई भी अतिरिक्त ड्राइव विफलता array के पूर्ण नुकसान में परिणत होती है। RAID 5 इसलिए चुना जाता है क्योंकि दी गई क्षमता के लिए यह बहुत कम लागत वाला है और इस लागत-प्रभावशीलता को प्राप्त करने के लिए विश्वसनीयता का बलिदान करता है। क्योंकि RAID 5 इसलिए अन्य RAID विकल्पों, जैसे RAID 6 या RAID 10, की तुलना में जोखिम भरा है, array के degraded अवस्था में रहने के समय को कम करने के लिए वार्म स्पेयर लागू करना आम है।

तो यहां जो निष्कर्ष अधिक प्रासंगिक है वह यह है कि वार्म स्पेयर आमतौर पर लागत बचाने के उपाय के रूप में कम विश्वसनीय RAID array types के उपयोग के विरुद्ध buffer के रूप में उपयोग किए जाते हैं। वार्म स्पेयर RAID 5 arrays में नाटकीय रूप से अधिक सामान्य हैं, उसके बाद RAID 6 arrays में। दोनों को RAID 10 के बजाय क्षमता के लिए लागत के कारण चुना जाता है, विश्वसनीयता या performance के लिए नहीं। एक मामला है जहां वार्म स्पेयर की अवधारणा वास्तव में अतिरिक्त विश्वसनीयता के लिए समझ में आती है, और वह है वार्म स्पेयर के साथ RAID 10, लेकिन हम उस पर आएंगे। उस परिदृश्य के बाहर मुझे लगता है कि वास्तविक दुनिया में वार्म स्पेयर कम समझ में आते हैं।

हम वार्म स्पेयर के साथ RAID 1 की जांच से शुरू करेंगे। RAID 1 में दो या अधिक ड्राइव mirror में होती हैं। वार्म स्पेयर जोड़ना अच्छा है क्योंकि अगर mirrored pair में से एक मर जाती है तो वार्म स्पेयर तुरंत शेष ड्राइव को mirror करना शुरू कर देगी और आप शीघ्र ही फिर से सुरक्षित हो जाएंगे। यह अद्भुत है। सिवाय एक छोटी सी खामी के, उसी ड्राइव को शुरू से ही RAID 1 array में जोड़ा जा सकता था जहां वह tertiary mirror होती। इस tertiary mirror क्षमता में ड्राइव ने array की समग्र performance में योगदान दिया होता जिससे लगभग पचास प्रतिशत read performance में वृद्धि होती जबकि write performance समान रहती और ड्राइव विफलता की स्थिति में “जैसे ही remirror हो” वाली सुरक्षा की बजाय तत्काल सुरक्षा मिलती। मूलत: यह एक सच्चा “हॉट स्पेयर” होता बजाय वार्म स्पेयर के। तो बिना एक पैसा खर्च किए सिस्टम में बेहतर ड्राइव array performance और बेहतर विश्वसनीयता होती, बस इसलिए कि अतिरिक्त ड्राइव “array में” हॉट क्षमता में होती, न कि गर्म और निष्क्रिय बैठकर आपदा का इंतज़ार करती।

RAID 5 के साथ हम वार्म स्पेयर अवधारणा के विरुद्ध और भी नाटकीय चेतावनी देखते हैं, यहां जहां यह किसी भी अन्य जगह से अधिक सामान्य है। RAID 5 single parity RAID है जिसमें array की किसी भी विफल ड्राइव को parity का उपयोग करके rebuild करने की क्षमता है। यहीं से वास्तविक समस्याएं शुरू होती हैं। RAID 1 के विपरीत जहां remirroring ऑपरेशन काफी तेज हो सकता है, RAID 5 resilver (rebuild) में काफी लंबा समय लग सकता है। वार्म स्पेयर इस resilver प्रक्रिया के सफलतापूर्वक पूरा होने तक array की सुरक्षा में सहायता नहीं करेगी – यह आमतौर पर कई घंटे होते हैं और आसानी से दिन और संभवतः सप्ताह या महीने हो सकते हैं, यह array के आकार और array कितनी व्यस्त है उस पर निर्भर करता है। अगर हम उसी वार्म स्पेयर ड्राइव को एक अतिरिक्त parity stripe के साथ array का सदस्य बनाने का काम सौंपते तो हम RAID 6 प्राप्त करते। RAID 5 plus वार्म स्पेयर के लिए हमारे पास जो ड्राइव सेट है वह बिल्कुल उसी क्षमता की RAID 6 array बनाएगा। फिर, ऊपर RAID 1 उदाहरण की तरह, यह बहुत कुछ हॉट स्पेयर रखने जैसा होगा, जहां ड्राइव live डेटा के साथ array में भाग ले रही है बजाय निष्क्रिय बैठे और किसी अन्य ड्राइव के विफल होने का इंतज़ार करते। इस क्षमता में array विफलता की स्थिति में RAID 5 के बराबर हो जाता है लेकिन बिना किसी rebuild समय के, इसलिए अतिरिक्त ड्राइव संभावित रूप से बहुत लंबी resilver प्रक्रिया के बाद की बजाय तुरंत उपयोगी होती है। तो समान पैसे, समान क्षमता के लिए RAID 5 plus वार्म स्पेयर की बजाय RAID 6 में ड्राइव सेट करने का चुनाव पूरी तरह जीत है।

हम इस उदाहरण को RAID 6 plus वार्म स्पेयर के साथ जारी कर सकते हैं। यह थोड़ा कम आसान है क्योंकि अधिकांश RAID सिस्टम में, ZFS के कुछ असामान्य RAIDZ3 को छोड़कर, RAID 6 से एक कदम ऊपर कोई triple parity सिस्टम उपलब्ध नहीं है (कल्पना करें अगर RAID 7 होता।) अगर होता तो RAID 5 plus वार्म स्पेयर के लिए किया गया बिल्कुल वही तर्क RAID 6 plus वार्म स्पेयर पर लागू होता। अधिकांश मामलों में RAID 6 के साथ वार्म स्पेयर को RAID 10 array के मुकाबले खुद को justify करना होगा। RAID 10 RAID 6 array से अधिक performant और अधिक विश्वसनीय है लेकिन RAID 6 आमतौर पर RAID 10 की तुलना में पैसे बचाने के लिए चुना जाता है। लेकिन RAID 6 की कमज़ोरी को offset करने के लिए कभी-कभी वार्म स्पेयर इस्तेमाल किए जाते हैं। कुछ मामलों में, जैसे पांच disk की छोटी RAID 6 array के साथ वार्म स्पेयर, यह dollar-for-dollar छह disk RAID 10 array बिना वार्म स्पेयर के समकक्ष है। बड़े arrays में RAID 6 का लागत लाभ स्पष्ट हो जाता है लेकिन लागत बचत जितनी बड़ी होती है, जोखिम अंतर उतना ही बड़ा होता है क्योंकि parity RAID सिस्टम array के आकार के साथ जोखिम RAID 10 जैसे mirror आधारित RAID सिस्टम की तुलना में कहीं अधिक तेजी से बढ़ाते हैं। आज बचाया गया कोई भी पैसा कल outage या डेटा हानि के जोखिम पर किया जाता है।

वार्म स्पेयर प्रभावी रूप से तब काम आता है जब RAID 10 array में वार्म स्पेयर rebuild एक mirror rebuild है, जैसे RAID 1 में, जो parity जोखिम नहीं लेती, जहां RAID 10 से ऊपर कोई logical extension RAID सिस्टम नहीं है जिससे हम अधिक fragile सिस्टम अपनाकर पैसे बचाने की कोशिश कर रहे हों। यहां महत्वपूर्ण arrays के लिए वार्म स्पेयर जोड़ना समझ में आ सकता है क्योंकि समान अतिरिक्त विश्वसनीयता हासिल करने का कोई और किफायती तरीका नहीं है। हालांकि, RAID 10 बिना वार्म स्पेयर के इतना विश्वसनीय है कि RAID 5 या RAID 6 के साथ वार्म स्पेयर पर विचार करने वाला कोई भी shop सरल RAID 10 पर रुक जाएगा, जो उनके पहले विचार की विश्वसनीयता को पहले ही पार कर चुका है। इसलिए केवल वे shops जो उन अधिक fragile सिस्टम पर विचार नहीं कर रहे और सबसे मजबूत संभव विकल्प की तलाश में हैं, तार्किक रूप से RAID 10 plus वार्म स्पेयर को अपने समाधान के रूप में देखेंगे।

तकनीकी सटीकता के लिए, RAID 10 को बेहतर read performance और विश्वसनीयता में नाटकीय सुधार के लिए (लेकिन पचास प्रतिशत लागत वृद्धि के साथ) RAID 0 stripe में standard दो disk RAID 1 mirrors की बजाय तीन disk RAID 1 mirrors में जाकर expand किया जा सकता है जैसे हमने RAID 1 उदाहरण में दिखाया। यह विश्वसनीयता का स्तर है जो वास्तविक दुनिया में शायद ही कभी मांगा जाता है लेकिन अस्तित्व में हो सकता है और एक विकल्प है। आमतौर पर यह physical array chassis में drive count सीमाओं के साथ-साथ एक अलग chassis में एक पूरी तरह से अलग secondary RAID 10 array बनाने के खिलाफ प्रतिस्पर्धात्मक रूप से कमज़ोर साबित होने से रोका जाता है और फिर इन्हें उच्च स्तर पर mirror करने से RAID 101 प्रभावी रूप से बनती है – जो आज के सामान्य, उच्च-अंत storage array clusters का प्रभावी परिणाम है।

हमारी दूसरी चिंता “automated array destruction” की है। यह केवल RAID 5 और RAID 6 के parity RAID परिदृश्यों पर लागू होती है (या दुर्लभ RAID 2, RAID 3, RAID 4 और RAIDZ3 पर।) वार्म स्पेयर अवधारणा के साथ, विचार यह है कि जब एक ड्राइव विफल होती है तो array controller द्वारा वार्म स्पेयर स्वचालित और तत्काल रूप से swap in हो जाती है और array को resilver करने की प्रक्रिया तुरंत शुरू होती है। अगर resilvering एक पूरी तरह विश्वसनीय प्रक्रिया होती तो यह स्पष्ट रूप से अत्यधिक स्वागत योग्य होती। वास्तविकता, दुर्भाग्य से, काफी अलग है।

एक resilver प्रक्रिया के दौरान एक parity RAID array में Unrecoverable Read Errors (UREs) उभरने का खतरा रहता है। अगर single parity RAID resilver में URE होता है (यानी RAID 2 – 5) तो resilvering प्रक्रिया विफल हो जाती है और array पूरी तरह खो जाता है। यह समझना महत्वपूर्ण है क्योंकि कोई अतिरिक्त ड्राइव विफल नहीं हुई है। तो अगर वार्म स्पेयर मौजूद न होता तो resilvering शुरू नहीं होती और डेटा अभी भी intact और उपलब्ध होता – बस सामान्य से थोड़ा धीमा और secondary ड्राइव विफलता के छोटे जोखिम के साथ। आज की बड़ी ड्राइव के साथ URE दरें बहुत अधिक हैं और बड़े arrays के साथ जोखिम इतना बढ़ सकता है कि standard resilvering ऑपरेशन के दौरान यह “संभव” से “अपेक्षित” हो जाए।

इसलिए कई मामलों में वार्म स्पेयर खुद ही डेटा के नुकसान का कारण बन सकती है, न कि उम्मीद के अनुसार डेटा की रक्षक। एक array जो बच जाती, वह resilvering प्रक्रिया द्वारा नष्ट हो सकती है, इससे पहले कि उसे manage करने वाला इंसान पहली ड्राइव विफलता के बारे में भी सतर्क हो। अगर कोई इंसान शामिल होता तो वे कम से कम resilver शुरू करने से पहले array का एक ताज़ा backup लेने का कदम उठा सकते थे, यह जानते हुए कि अगर resilver प्रक्रिया असफल होती है तो डेटा की नवीनतम प्रति उपलब्ध होगी। यह इंसान को यह भी schedule करने की अनुमति देता कि resilver कब शुरू होनी चाहिए, संभवतः business hours समाप्त होने या सप्ताहांत शुरू होने तक प्रतीक्षा करना जब array पर भारी load की संभावना कम हो।

Dual और triple parity RAID (क्रमशः RAID 6 और RAIDZ3) भी URE जोखिम साझा करते हैं क्योंकि वे भी parity पर आधारित हैं। वे parity के अतिरिक्त स्तरों के माध्यम से इस जोखिम को कम करते हैं और अधिकांशतः सफलतापूर्वक करते हैं। जोखिम अभी भी मौजूद है, विशेषकर बहुत बड़े RAID 6 arrays में, लेकिन अगले कई वर्षों के लिए जोखिम अधिकांश storage arrays के लिए आमतौर पर काफी कम रहते हैं जब तक बाज़ार में बहुत बड़ा spindle-based storage media उपलब्ध नहीं हो जाता।

parity RAID और URE जोखिम के साथ सबसे बड़ी समस्या यह है कि parity RAID की ओर ड्राइव करने वाला कारक (लागत कम करने के लिए अतिरिक्त डेटा integrity जोखिमों का सामना करने की इच्छा) वही कारक है जो बढ़े हुए URE जोखिम को पेश करता है (कम लागत, non-enterprise SATA hard drives खरीदना।) parity RAID का सामना करने वाले shops आमतौर पर बड़े, कम लागत वाले SATA drives के साथ ऐसा करते हैं जो एक विस्फोटक संयोजन के लिए दो बहुत खतरनाक कारकों को एक साथ लाते हैं। Non-parity RAID 1 या RAID 10 का उपयोग करने से समस्या पूरी तरह समाप्त हो जाएगी और अत्यधिक विश्वसनीय enterprise SAS drives का उपयोग करने से जोखिम कारक एक order of magnitude (एक अभिव्यक्ति नहीं, यह वास्तव में एक order of magnitude का परिवर्तन है) से नाटकीय रूप से कम हो जाएगा।

इसके अलावा resilver ऑपरेशन के दौरान parity सिस्टम पर performance इतनी नाटकीय रूप से गिर सकती है कि यह दीर्घकालिक outage के समान हो जाए। resilver प्रक्रिया, विशेष रूप से बड़े arrays पर, इतनी intensive हो सकती है कि end users पूरी तरह विफल array और resilvering array में अंतर नहीं कर सकते। वास्तव में, अपने चरम पर resilvering इतनी लंबी और इतनी disruptive हो सकती है कि व्यवसाय को इसकी लागत उससे अधिक हो सकती है अगर array पूरी तरह विफल हो जाती और backup से restore किया जाता। यह resilver समस्या RAID 1 और RAID 10 को प्रभावित नहीं करती, फिर से, क्योंकि वे mirrored हैं, parity RAID सिस्टम नहीं, और उनकी resilver प्रक्रिया trivial है और सिस्टम की performance गिरावट न्यूनतम और कम समय की है। अपने सबसे चरम रूप में, parity resilver हफ्तों या महीनों तक ले सकता है जिस दौरान सिस्टम ऐसे काम करते हैं जैसे वे offline हों – और इस प्रक्रिया के किसी भी बिंदु पर ऊपर बताए गए URE errors उभरने की संभावना है जो resilver को समाप्त कर देंगी और किसी भी तरह backup से restore के लिए मजबूर करेंगी। (सामान्य resilver हफ्तों नहीं लेता लेकिन कई घंटे लेता है और दिन लेना बिल्कुल असामान्य नहीं है।)

हमारा अंतिम अवलोकन निम्नानुसार तोड़ा जा सकता है (पारंपरिक शब्द “hot spare” फिर से उपयोग किया गया): “hot spare” के बिना RAID 10 लगभग हमेशा “hot spare” के साथ RAID 6 से बेहतर विकल्प है। “hot spare” के बिना RAID 6 हमेशा “hot spare” के साथ RAID 5 से बेहतर है। अतिरिक्त mirror member के साथ RAID 1 हमेशा “hot spare” के साथ RAID 1 से बेहतर है। तो जो भी RAID level आप hot spare के साथ तय करें, बस RAID विश्वसनीयता के एक स्तर ऊपर जाएं और “hot spare” हटाएं ताकि समान या लगभग समान लागत में performance और विश्वसनीयता दोनों अधिकतम हो।

वार्म स्पेयर, parity RAID की तरह, अपना दिन देख चुके हैं। वास्तव में यह तब था जब parity RAID का व्यापक उपयोग के लिए अभी भी अर्थ था – जब URE errors की संभावना कम थी और disk की लागत अधिक थी – कि वार्म स्पेयर ड्राइव भी समझ में आती थीं। वे अच्छी तरह paired थे, जब एक का अर्थ होता था तो दूसरे का भी अक्सर होता था। जो अक्सर नज़रअंदाज़ किया जाता है वह यह है कि जैसे-जैसे parity RAID, विशेषकर RAID 5, ने प्रभावशीलता खोई है, उसने अप्रत्याशित तरीकों से वार्म स्पेयर को भी अपने साथ खींचा है।