12月-微软云动态
发布时间 2019-03-18微软 Azure云动态
机器学习+在线迁移=Azure复原能力UP
微软Azure团队致力于确保用户部署在Azure上的业务得以持续可靠地运行。为了优化Azure的可靠性，他们和微软亚洲研究院合作，利用机器学习来预测潜在的故障，并使用在线迁移技术提前缓解故障的影响。
自2018年初以来，Azure一直采用在线迁移技术来应对各种各样的故障场景， 比如硬件故障、机架维护和软件/BIOS更新等常规操作过程中出现的错误等。借助在线迁移，Azure能够从容处理故障，并将故障的影响降低了50％。
尽管如此，想要进一步拓展在线迁移的应用领域，仍需要探究如何利用系统中的有效预测信号来挖掘在线迁移的用武之地。基于集群管理系统的各种监控数据，微软研究员实现了基于机器学习的故障预测模型，通过与自动在线迁移技术相结合，该故障预测模型被应用在了磁盘故障、IO延迟和CPU频率异常等多种硬件故障情况的处理中。
微软Azure团队与微软亚洲研究院联袂打造的高精度故障预测的机器学习模型，能够在出现故障迹象之前就把正在运行的任务从“有风险”的机器上迁移出去，这也就意味着在Azure上运行的虚拟机比底层硬件还要可靠。
利用这个模型，在线迁移对虚拟机的影响被控制到了最低。从客户的反馈来看，虚拟机在线迁移从未引发任何问题。在线迁移的过程中，虚拟机的状态和所有网络连接能够都保持正常。迁移的最后阶段，虚拟机会暂停几秒，继而迁移至新的主机。只有极少量对性能敏感的任务可能会在虚拟机暂停前的几分钟内受到轻微影响。
（来源：微软亚洲研究院）
京公网安备11010802024551号