北京2022年12月13日 /美通社/ -- 存儲系統(tǒng)是由控制器、背板、結(jié)構(gòu)件、硬盤、內(nèi)存等部件構(gòu)成的多個子系統(tǒng)組成，其中任何單一元器件故障都可能導(dǎo)致存儲系統(tǒng)出現(xiàn)問題。因此，系統(tǒng)可靠運行的基礎(chǔ)，離不開元器件、部件以及整個控制系統(tǒng)的可靠性設(shè)計。浪潮存儲從系統(tǒng)級開發(fā)、電路板級開發(fā)、部件引入、生產(chǎn)加工等多個環(huán)節(jié)來保障系統(tǒng)的可靠性及穩(wěn)定性。
系統(tǒng)級可靠性設(shè)計
在存儲系統(tǒng)中，許多元器件發(fā)生故障是由于系統(tǒng)設(shè)計不合理或元器件使用不當所造成的，并不是元件本身存在缺陷。浪潮存儲系統(tǒng)級可靠性設(shè)計包含：可靠性模型建立及評估、冗余設(shè)計、容錯設(shè)計、故障隔離（失效分析）、熱設(shè)計、EMC/EMI（Electro Magnetic Compatibility/Electromagnetic Interference，電磁兼容性/電磁干擾）設(shè)計、安規(guī)設(shè)計、環(huán)境及結(jié)構(gòu)設(shè)計等。
其一，控制器單元冗余設(shè)計。關(guān)鍵元器件增加完全相同功能的備用通道，保障該部分出現(xiàn)故障時不影響系統(tǒng)正常運行。比如雙BIOS設(shè)計，當BIOS由于Flash芯片故障或者升級失敗損壞時，可由備用BIOS接管，從而避免無法開機?？刂破魅哂嘣O(shè)計以犧牲成本為代價，但存儲系統(tǒng)設(shè)計首要考慮因素應(yīng)是其可靠性。
其二，控制單元掉電保護。存儲系統(tǒng)增加BBU電池（Battery Back-Up）來抵抗電網(wǎng)瞬間斷電或電壓突降等突發(fā)因素，軟件系統(tǒng)將掉電信號定義為最高級別中斷，使控制單元能及時對掉電做出反應(yīng)，防止數(shù)據(jù)丟失，確保業(yè)務(wù)的連續(xù)性。
其三，結(jié)構(gòu)設(shè)計。結(jié)構(gòu)可靠性設(shè)計是硬件可靠性設(shè)計的重要階段。結(jié)構(gòu)設(shè)計時，首先應(yīng)注意元器件及部件的安裝方式，其次是控制系統(tǒng)工作環(huán)境的條件(如通風、除濕、防塵等)。
其四，噪聲抑制。存儲系統(tǒng)主要通過如下方式對噪聲進行抑制：首先，選擇高效率雙馬達風扇，優(yōu)化系統(tǒng)散熱所需風扇轉(zhuǎn)速；其次，優(yōu)化節(jié)點導(dǎo)風罩設(shè)計，降低單節(jié)點流阻；再次，系統(tǒng)風扇調(diào)控導(dǎo)入PID控制，降低低負載時系統(tǒng)風扇轉(zhuǎn)速；最后，通過散熱器優(yōu)化、風道布局優(yōu)化及系統(tǒng)流阻優(yōu)化改善散熱效果，從而降低正常工作負載下設(shè)備噪聲。
其五，散熱設(shè)計。存儲系統(tǒng)通過對系統(tǒng)布局進行風道劃分，一般分為：Memory風道、CPU風道、節(jié)點風道，各風道之間利用機箱布局的結(jié)構(gòu)件實現(xiàn)風道的串聯(lián)或并聯(lián)。風機散熱風量通過系統(tǒng)風扇加速后，進入并聯(lián)的節(jié)點風道，從節(jié)點尾部的開孔結(jié)構(gòu)排出，從而保障系統(tǒng)的穩(wěn)定運行。
散熱仿真模型
其六，系統(tǒng)日志收集。存儲系統(tǒng)會在一定的時間周期內(nèi)收集系統(tǒng)的信息，并自動創(chuàng)建可以查看的文件。當存儲出現(xiàn)故障時，可以通過日志快速定位到出問題的部件。
電路板開發(fā)可靠性設(shè)計
存儲研發(fā)團隊在設(shè)計過程中，正確使用各種型號的元器件或集成電路，提高硬件可靠性是不可忽視的重要因素。
一是電路設(shè)計。據(jù)統(tǒng)計，影響存儲系統(tǒng)可靠性的因素約45%來自系統(tǒng)設(shè)計。為了保證系統(tǒng)的可靠性，在電路設(shè)計時應(yīng)考慮最極端的情況。單板設(shè)計應(yīng)考慮所有元件的公差，并取其最不利的數(shù)值核算電路每一個規(guī)定的特性。如果這一組參數(shù)值能保證電路正常工作，那么在公差范圍內(nèi)的其他所有元件值都能使電路可靠地工作。在設(shè)計電路時，開發(fā)人員還會對單板元器件進行降額分析，對重要元器件給出熱應(yīng)力、電應(yīng)力的降額情況，并根據(jù)以往器件失效分析（FEMA）的經(jīng)驗，對容易損壞的集成電路、關(guān)鍵元器件進行優(yōu)化設(shè)計。
二是元器件選擇。在確定元器件參數(shù)之后，還要確定元器件的型號，這主要取決于電路所允許的公差范圍。由于制造工藝所限，有些元器件參數(shù)的公差范圍可能較大，如電容器電容量等。此外，元器件的額定工作條件包括多個方面(如電流、電壓、頻率、機械參數(shù)以及環(huán)境溫度等)，設(shè)計時要考慮參數(shù)裕量，并確保運行在工作條件范圍內(nèi)。
三是電氣性能。元器件的電氣性能是指元器件所能承受的電壓、電流、電容、功率等能力，在使用時要注意元器件的電氣性能，不能超限使用。
四是SI（signal integrity信號完整性）仿真設(shè)計。伴隨著信號頻率的提升，在存儲系統(tǒng)上分析和發(fā)現(xiàn)信號完整性問題并有效解決是非常復(fù)雜的。存儲系統(tǒng)借助EDA（Electronic Design Automation，電子設(shè)計自動化）工具，對電路的參數(shù)進行仿真分析，提前發(fā)現(xiàn)問題，從而縮短研發(fā)周期，降低研發(fā)成本。
五是生產(chǎn)工藝。由于工藝原因引起的故障通常很難定位排查，一個焊點的虛焊很可能導(dǎo)致整個系統(tǒng)在工作過程中出現(xiàn)不穩(wěn)定現(xiàn)象。因此，設(shè)計印制電路板時應(yīng)考慮元器件的布局、引線的走向、引線的分類排序等。
六是硬件測試。浪潮存儲研發(fā)團隊引入價值上百萬的高端測試設(shè)備，其中包含50G高端示波器、50G高帶寬硬件鏈路誤碼儀以及相關(guān)治具。存儲硬件研發(fā)團隊制定了全覆蓋、無遺漏的信號測試規(guī)范，并進一步加強加固驗證測試。其中包括板卡間熱插拔、固件反復(fù)升級驗證、單/雙控故障，板間信號動態(tài)測試，低溫啟動、高溫壓力測試，加強驗證SI鏈路可靠性測試。
PCIE5.0測試
部件引入確?？煽啃栽O(shè)計
硬盤作為存儲介質(zhì)的中堅力量，保證機械硬盤的安全性和可靠性成為存儲研發(fā)部件團隊的重中之重。浪潮存儲研發(fā)團隊通過與硬盤廠商的技術(shù)分享搭配自己的專利技術(shù)，形成了一套包括磁盤的加密、協(xié)議層的定制以及寫緩存的關(guān)閉等技術(shù)的定制方案。配合Raid技術(shù)更好地保證了客戶對數(shù)據(jù)安全性的要求，開發(fā)出了一套獨有的篩盤方案和篩盤設(shè)備來滿足金融等行業(yè)用戶的需求。
針對存儲設(shè)備，浪潮存儲研發(fā)團隊開發(fā)了多控制器系統(tǒng)，配合鎖盤技術(shù)、硬盤定制化以及Raid技術(shù)，實現(xiàn)了硬盤高速讀寫的需求和安全性、可靠性的完美結(jié)合。硬盤經(jīng)過引入測試、兼容性測試、篩盤測試、老化測試等層層把控為存儲設(shè)備打造堅實底座。
生產(chǎn)制造保障可靠性
生產(chǎn)制造是產(chǎn)品生命周期中重要一環(huán)，通過批量生產(chǎn)和用戶反饋有助于發(fā)現(xiàn)更多前期設(shè)計遺漏和缺陷，及時維護查缺補漏。
浪潮存儲在生產(chǎn)線引入了用于測試存儲產(chǎn)品在不同溫度條件下是否可以正常穩(wěn)定運行的溫循房，環(huán)境溫度可以根據(jù)需求隨時調(diào)整，加速缺陷部件的故障復(fù)現(xiàn)，從而降低產(chǎn)品到貨即損（DOA）的情況。同時，提出增加極限場景測試和模擬客戶實際使用場景的長穩(wěn)壓力測試等生產(chǎn)模式，提高存儲產(chǎn)品穩(wěn)定性和可靠性。
高端存儲產(chǎn)品必須保證極致穩(wěn)定，設(shè)備生產(chǎn)完畢后先進行7至14天的長穩(wěn)測試，測試用例中模擬客戶實際業(yè)務(wù)場景，采用客戶常見的數(shù)據(jù)類型進行壓力測試，觀察測試過程中存儲設(shè)備是否有告警和異常，將一切不穩(wěn)定因素攔截在生產(chǎn)階段，保證設(shè)備交付后的穩(wěn)定、可靠運行。
基本應(yīng)用拓撲
近年來，浪潮存儲持續(xù)加大研發(fā)投入和創(chuàng)新，致力于打造安全、可靠、經(jīng)濟、高效的數(shù)據(jù)存儲底座，不斷追求“極致穩(wěn)定”，為數(shù)據(jù)存儲保駕護航，服務(wù)各行各業(yè)。
