Hybrid Random Forest and Differential Equation Control for Fragmentation Reduction in De-duplication Storage Systems

تخيل مكتبة رقمية شاسعة حيث تُخزن ملايين الكتب ليس على الرفوف، بل في مشهد فوضوي ومتغير من البيانات. في الحوسبة الحديثة، هذا النظام هو نظام تخزين، والكتب هي الملفات. ولتوفير المساحة، تستخدم هذه الأنظمة حيلة ذكية تسمى "إزالة التكرار" (de-duplication). فبدلاً من تخزين كل نسخة من ملف ما، يقوم النظام بتفكيك البيانات إلى قطع صغيرة، ويتحقق مما إذا كان قد رأى هذه القطعة من قبل، وإذا كان الأمر كذلك، فإنه ببساطة يشير إلى القطعة الأصلية. الأمر يشبه امتلاك نسخة واحدة من رواية شهيرة في مكتبة، وإخبار كل زائر يريدها أن ينظر إلى تلك النسخة الواحدة بدلاً من شراء نسخة جديدة؛ وهذا يوفر مساحات هائلة. ومع ذلك، فإن هذه الكفاءة تأتي بتكلفة خفية؛ فمع إضافة الملفات أو حذفها أو تحديثها، يمكن أن تصبح المؤشرات التي تشير إلى قطع البيانات هذه مبعثرة عبر التخزين المادي، تماماً مثل الكتب في المكتبة التي سُحبت من رفوفها وتُركت في زوايا عشوائية من المبنى. يُسمى هذا التشتت "التجزئة" (fragmentation). وعندما يحتاج النظام إلى استرجاع ملف ما، يجب عليه البحث عن هذه القطع المبعثرة، مما يبطئ العملية، ويزيد من الوقت المستغرق لقراءة البيانات، ويؤدي إلى استهلاك أجهزة التخزين بشكل أسرع.

لسنوات، حاول مهندسو التخزين إصلاح هذا التشتت عن طريق الانتظار حتى يصبح الفوضى واضحاً ثم تنظيفه. هذا نهج "رد فعل"، يشبه الانتظار حتى تصبح الغرفة مزدحمة تماماً قبل البدء في ترتيبها. تقترح دراسة جديدة من باحثين من نيجيريا استراتيجية مختلفة: التنبؤ بالفوضى قبل حدوثها ومنعها. طور الفريق، بقيادة موداسيروو هاميد وزملائه، نظاماً يجمع بين أداتين قويتين لإدارة صحة التخزين. الأداة الأولى هي نموذج تعلم آلي يُعرف باسم "الغابة العشوائية" (Random Forest). فكر في هذا كأمين مكتبة ذو خبرة عالية، راقب آلاف الزوار ويمكنه التنبؤ بالضبط متى وأين ستظهر كومة الكتب المبعثرة التالية بناءً على أنماط دقيقة في كيفية استعارة الناس للكتب وإعادتها. الأداة الثانية هي نظام تحكم رياضي يعتمد على المعادلات التفاضلية. يعمل هذا كيد ثابتة تدفع نظام التخزين بلطف لإعادة ترتيب البيانات بقدر كافٍ للحفاظ على تنظيم كل شيء، ولكن فقط عندما يتنبأ أمين المكتبة بضرورة ذلك. ومن خلال ربط تنبؤ أمين المكتبة باليد الثابتة للمتحكم، أنشأ الباحثون نظاماً يبقى دائماً متقدماً بخطوة على الفوضى.

اختبر الباحثون هذه الطريقة الجديدة مقابل نهجين آخرين باستخدام بيانات واقعية من نظام تخزين ضخم يتعامل مع ملايين الطلبات. كان النهج الأول الذي قارنوه به هو عدم القيام بأي شيء على الإطلاق، وترك نظام التخزين يعمل دون أي إدارة خاصة. أما النهج الثاني فكان طريقة "رد فعل" قياسية تنتظر وصول التجزئة إلى مستوى معين قبل البدء في التنظيف. أظهرت النتائج فرقاً واضحاً في كيفية سلوك الأنظمة. النهج الذي لم يفعل شيئاً سمح للتخزين بأن يصبح شديد التجزئة، حيث وصلت نسبة التجزئة إلى 0.38. وحسّن منهج رد الفعل هذا الوضع قليلاً، حيث خفض النسبة إلى 0.33، لكنه ظل يعاني من الطفرات المفاجئة في النشاط التي تجبره على السعي المحموم للإصلاح. في المقابل، حافظ النظام التنبئي الجديد على نسبة التجزة منخفضة عند 0.29. والأهم من ذلك، أن الطريقة التي أدار بها النظام عبء العمل كانت أكثر سلاسة. فمنهج رد الفعل غالباً ما كان يضطر للقيام بنوبات مفاجئة وكثيفة من أنشطة التنظيف، مثل عامل نظافة يهرع لتنظيف الفوضى فقط بعد أن كبرت كثيراً. أما النظام الجديد فقد عدّل جهوده تدريجياً وبثبات، متجنباً هذه الطفرات المحمومة.

امتدت فوائد هذا النهج التنبئي السلس إلى ما هو أبعد من مجرد التنظيم. فبسبب قلة تشتت البيانات، انخفض الوقت المستغرق لاسترجاع المعلومات بشكل كبير. قلل النظام الجديد إجمالي الوقت المستغرق لانتظار البيانات بنسبة تتراوح بين 22% و25% مقارنة بالنظام غير المُدار، وبنسبة تتراوح بين 15% و18% مقارنة بمنهج رد الفعل. كما تحسنت الصحة العامة لنظام التخزين — وهو مقياس لمدى كفاءة وموثوقية تشغيله — بنسبة 40% عن النظام غير المُدار، وبنسبة مذهلة بلغت 75% عن منهج رد الفعل. ووجد الباحثون أن هذه التحسينات تحققت دون نقل البيانات بشكل مفرط أو التسبب في ضغط إضافي على الأجهزة. لقد عرف النظام ببساطة متى يتحرك وبأي قوة يضغط، مما حافظ على استقرار بيئة التخزين حتى مع زيادة عدد الطلبات.

تثبت هذه الدراسة أن أنظمة التخزين لا تحتاج إلى انتظار ظهور المشكلات قبل حلها. فمن خلال استخدام نموذج تعلم آلي للتنبؤ بالمشكلات المحتملة ومتحكم رياضي لتطبيق القدر المناسب من التصحيح، يمكن الحفاظ على مستوى عالٍ من الأداء والكفاءة. وقد أظهر الباحثون أن هذا النهج الهجين أكثر موثوقية من الطرق التقليدية التي تعتمد على قواعد ثابتة أو انتظار تجاوز العتبات. وبينما يعتمد النظام حالياً على بيانات عالية الجودة لتعلم هذه الأنماط ويتطلب ضبطاً دقيقاً، إلا أن النتائج تشير إلى مسار واعد للمستقبل. فهو يقدم طريقة للحفاظ على تنظيم وسرعة المكتبات الرقمية، مما يضمن بقاء الكميات الهائلة من البيانات التي نعتمد عليها يومياً متاحة دون التباطؤ الناتج عن الفوضى الرقمية. ويؤكد هذا العمل أن النهج الاستباقي والذكي لإدارة التخزين يمكن أن يتفوق بشكل كبير على الطرق القديمة التي تكتفي بمجرد رد الفعل تجاه المشاكل بعد بدئها.