分布式存储系统广泛部署纠删码（Erasure Code）来保证数据可靠性，同时降低存储成本。然而纠删码的数据修复开销很高，修复1个数据块需要读取k个块。为了提升数据修复性能，现有的工作提出理论上修复带宽更低的纠删码，如再生码（Regenerating Code），或者基于经典纠删码（RS码）设计并行修复（Parallel Repair）算法。然而，再生码虽然理论上最小化修复带宽，但数据修复节点负载远高于其他节点，造成负载不均衡；基于RS码的并行修复算法虽然使得负载分布更均衡，但是依然修复带宽很高。那么，纠删码是否有可能在修复带宽和节点负载之间做一个权衡，为分布式存储系统提供更好的性能呢？

信息存储及应用实验室李晓露讲师，胡燏翀教授，冯丹教授，分析了再生码通过并行修复来为分布式存储系统提供更好的“带宽-负载”权衡的可能性。文章将数据并行修复建模为有向图染色问题，分析发现，通过将再生码不同的修复操作分布到不同的节点，可以在带宽和负载之间进行权衡。在再生码所有的并行修复方案中，存在一个方案（MLP，Minimum-load point）能在提供最小节点负载的同时尽可能最小化修复带宽，有可能进一步提升分布式存储系统的数据修复性能。然而，这个MLP对应的方案很难找到，再生码的高分包数使得传统的基于Brute Force搜索的方法无法在多项式时间内求解。因此，文章提出启发式算法来求解一个较优的解。文章提出了再生码并行修复框架ParaRC，并在阿里云进行了大规模数据修复实验。实验结果显示，再生码的并行修复可以进一步提升降级读以及节点修复的性能。其中，与RS码并行修复相比，降级读与节点修复性能提升约51.9%和70.2%；与传统再生码修复相比，降级读与节点修复性能提升约59.3%和39.2%。