CN108073486A - 一种硬盘故障的预测方法和装置 - Google Patents
一种硬盘故障的预测方法和装置 Download PDFInfo
- Publication number
- CN108073486A CN108073486A CN201711464730.7A CN201711464730A CN108073486A CN 108073486 A CN108073486 A CN 108073486A CN 201711464730 A CN201711464730 A CN 201711464730A CN 108073486 A CN108073486 A CN 108073486A
- Authority
- CN
- China
- Prior art keywords
- hard disk
- negative sample
- smart
- sector
- smart attribute
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
- G06F11/2205—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing using arrangements specific to the hardware being tested
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
- G06F11/2273—Test methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Debugging And Monitoring (AREA)
- Signal Processing For Digital Recording And Reproducing (AREA)
Abstract
本申请提供了一种硬盘故障的预测方法和装置,涉及计算机的技术领域,该方法包括:按照第一预设时间间隔,读取待检测硬盘的SMART属性数据,其中,SMART属性数据中包括至少一种属性参数;基于属性参数确定SMART属性数据是否满足负样本写入条件,其中,负样本用于表征待检测硬盘处于非正常运行状态;在确定出满足负样本写入条件的情况下,将SMART属性数据写入到负样本数组中,以通过负样本数组预测待检测硬盘的故障状态,本申请缓解了通过现有技术对硬盘进行故障预测时,预测精度较低的技术问题。
Description
技术领域
本申请涉及计算机的技术领域,尤其是涉及一种硬盘故障的预测方法和装置。
背景技术
硬盘是计算机主要的存储媒介之一,由一个或者多个铝制或者玻璃制的碟片组成。硬盘故障分为硬件故障和软件故障,其中,软件故障可以通过重新启动或者重新安装系统来解决。硬件故障可以是系统引起的,硬件故障还可以是硬盘本身的故障,例如,坏道,分区表损坏,以及病毒等等。
由于硬盘在计算机中承载着数据存储的任务,因此,在硬盘发生硬件故障时,将很有可能导致硬盘无法进行数据恢复操作,以至于数据的丢失。因此,硬盘故障的预测就显得尤为重要。在现有技术中硬盘的故障预测方法是读取硬盘的历史SMART属性,基于SMART属性来对硬盘的故障进行预测。在现有的故障预测方式中,可以基于历史SMART属性构建测试样本,然后,使用分类器(例如,支持向量机)等方法来对硬盘的故障做出预测。例如,基于历史SMART属性分为正样本(即,硬盘处于正常运行状态时的样本)和负样本(即,硬盘处于非正常运行状态时的样本),然后,基于正样本和负样本进行硬盘故障的预测。但是,正样本比较好找,例如,只要硬盘能读写,就可以采集它的SMART属性作为正样本。然而,负样本比较难找,因为它涉及到“坏的”硬盘。由于坏的硬盘毕竟是有限的,因此,通过上述方式进行硬盘的故障预测时,往往会出现预测不准确的问题。
针对上述问题,还未提出有效解决方案。
发明内容
有鉴于此,本申请的目的在于提供一种硬盘故障的预测方法和装置,以提高硬盘故障预测的精度。
第一方面,本申请实施例提供了一种硬盘故障的预测方法,包括:按照第一预设时间间隔,读取待检测硬盘的SMART属性数据,其中,所述SMART属性数据中包括至少一种属性参数;基于所述属性参数确定所述SMART属性数据是否满足负样本写入条件,其中,所述负样本用于表征所述待检测硬盘处于非正常运行状态;在确定出满足所述负样本写入条件的情况下,将所述SMART属性数据写入到负样本数组中,以通过所述负样本数组预测所述待检测硬盘的故障状态。
进一步地,基于所述属性参数确定所述SMART属性数据是否满足负样本写入条件包括:在所述属性参数中的扇区属性参数大于预设门限值的情况下,确定所述SMART属性数据不满足所述负样本写入条件;在所述属性参数中的扇区属性参数小于或者等于预设门限值的情况下,确定所述SMART属性数据所述满足负样本写入条件;其中,所述扇区属性参数用于表示所述待检测硬盘的扇区的可靠性。
进一步地,在所述属性参数中的扇区属性参数小于或者等于预设门限值的情况下,则确定所述SMART属性数据满足负样本写入条件包括:在第一扇区属性参数小于或者等于第一预设门限的情况下,和/或,所述第二扇区属性参数小于或者等于第二预设门限的情况下,确定所述SMART属性数据满足所述负样本写入条件;其中,所述第一扇区属性参数为基于所述待检测硬盘中重映射扇区个数确定的可靠性参数,所述第二扇区属性参数为基于所述待检测硬盘中不稳定扇区个数确定的可靠性参数。
进一步地,所述方法还包括:将读取到的所述SMART属性数据存储在SMART属性数据数组的目标存储位置上。
进一步地,所述方法还包括:在按照所述第一预设时间间隔,读取所述待检测硬盘的SMART属性数据时,若未读取到所述SMART属性数据,则按照第二预设时间间隔读取所述SMART属性数据;如果在按照所述第二预设时间间隔时,连续N次未读取到所述SMART属性数据,则将SMART属性数据数组中已存储的SMART属性数据写入所述负样本数组中。
进一步地,如果按照所述第二预设时间间隔,连续N次未读取到所述SMART属性数据,则将SMART属性数据数组中已存储的SMART属性数据写入所述负样本数组中包括:如果按照所述第二预设时间间隔,连续N次未读取到所述SMART属性数据,且在检测到所述待检测硬盘的预测值不是目标数值的情况下,将所述SMART属性数据数组中已存储的SMART属性数据写入所述负样本数组中;其中,所述目标数值表示所述待检测硬盘已处于故障状态。
进一步地,所述方法还包括:当所述负样本数组中存储的负样本数量超过预设数量时,则将所述负样本数组中最早写入的负样本删除。
第二方面,本申请实施例还提供了一种硬盘故障的预测方法,包括:读取单元,用于按照第一预设时间间隔,读取待检测硬盘的SMART属性数据,其中,所述SMART属性数据中包括至少一种属性参数;确定单元,用于基于所述属性参数确定所述SMART属性数据是否满足负样本写入条件,其中,所述负样本用于表征所述待检测硬盘处于非正常运行状态;写预测入模块,用于在确定出满足所述负样本写入条件的情况下,将所述SMART属性数据写入到负样本数组中,以通过所述负样本数组预测所述待检测硬盘的故障状态。
进一步地,所述确定单元包括:第一确定模块,用于在所述属性参数中的扇区属性参数大于预设门限值的情况下,则确定所述SMART属性数据不满足所述负样本写入条件;第二确定模块,用于在所述属性参数中的扇区属性参数小于或者等于预设门限值的情况下,则确定所述SMART属性数据所述满足负样本写入条件;其中,所述扇区属性参数用于表示所述待检测硬盘的扇区的可靠性。
第三方面,本申请实施例还提供了一种电子设备,包括:处理器和存储器,其中,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述所述的方法。
在本申请实施例中,首先,按照第一预设时间间隔读取待检测硬盘的SMART属性数据,然后,基于SMART属性数据中的属性参数确定SMART属性数据是否满足负样本写入条件,如果满足,则将SMART属性数据写入到负样本数组中,以通过负样本数组预测待检测硬盘的故障状态。在本申请实施例中,通过设置负样本写入条件的判断机制,来确定当前读取到的SMART属性数据是否满足负样本写入条件,从而实现快速有效的采集负样本,以通过负样本对硬盘的故障进行预测,进而缓解了通过现有技术对硬盘进行故障预测时,预测精度较低的技术问题,从而实现了准确并快速对硬盘故障进行预测的技术效果。
本申请的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请而了解。本申请的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本申请实施例的一种硬盘故障的预测方法的流程图;
图2是根据本申请实施例的一种基于属性参数确定SMART属性数据是否满足负样本写入条件的流程图;
图3是根据本申请实施例的另一种硬盘故障的预测方法的流程图;
图4是根据本申请实施例的一种硬盘故障的预测装置的示意图;
图5是根据本申请实施例的另一种硬盘故障的预测装置的示意图;
图6是根据本申请实施例的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合附图对本申请的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
S.M.A.R.T.(Self-Monitoring Analysis And Reporting Technology),全称为“自我检测分析与报告技术”,成为一种自动监控硬盘驱动器完好状况和报告潜在问题的技术标准。SMART属性数据的目的是监控硬盘的可靠性,预测硬盘故障和执行各种类型的硬盘自检操作。
利用SMART技术能够从硬盘上的各个传感器收集信息,并将信息保存在硬盘的系统保留区。读取SMART属性数据时,可以使用监测软件向硬盘发送读取命令,以读取SMART属性数据。进而,通过SMART属性数据对硬盘的故障进行预测。
基于此,在对硬盘进行故障预测时,一种可选的方式是采集硬盘的负样本和正样本,来对硬盘进行故障预测。但是,由于负样本涉及到故障硬盘,且故障硬盘的数量较少,且在进行负样本采集时,一般是在硬盘发生故障之后才进行SMART属性数据的采集。因此,在基于正样本和负样本进行硬盘的故障预测时,预测准确度一般较低。在本申请实施例中,基于此,设计了一种硬盘故障的预测方法,通过设置负样本写入条件的判断机制,来确定当前读取到的SMART属性数据是否满足负样本写入条件,从而实现快速有效的采集负样本,以通过负样本对硬盘的故障进行预测,进而缓解了通过现有技术对硬盘进行故障预测时,预测精度较低的技术问题,从而实现了准确并快速对硬盘故障进行预测的技术效果。下面将结合具体实施方式对该方法进行详细的介绍。
根据本申请实施例,提供了一种硬盘故障的预测方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本申请实施例的一种硬盘故障的预测方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,按照第一预设时间间隔,读取待检测硬盘的SMART属性数据,其中,所述SMART属性数据中包括至少一种属性参数;
在本申请实施例中,可以设置每隔第一预设时间间隔执行一次SMART属性数据的读取操作,例如,每隔10分钟执行一次SMART属性数据的读取操作;又例如,每隔15分钟执行一次SMART属性数据的读取操作。具体间隔时间用户可以根据实际需要来进行设定。
假设,设置每隔10分钟执行一次SMART属性数据的读取操作,且假设以2017年12月10日12:00开始执行。此时,在2017年12月10日12:00,执行一次数据的读取操作,然后,在2017年12月10日12时10分执行下一次数据的读取操作,以此类推,此处不再详细赘述。
步骤S104,基于所述属性参数确定所述SMART属性数据是否满足负样本写入条件,其中,所述负样本用于表征所述待检测硬盘处于非正常运行状态;
在本申请实施例中,在读取到SMART属性数据之后,可以基于SMART属性数据中的属性参数确定SMART属性数据是否满足负样本写入条件。
需要说明的是,在本申请实施例中,待检测硬盘处于疑似故障状态时的SMART属性数据,或者,待检测硬盘处于故障状态时的SMART属性数据称为负样本。由于硬盘由正常状态变成故障状态是有一个过程的,那么在这个过程中的SMART属性数据能够反映硬盘故障变化过程,从而对硬盘的故障进行预测,以在硬盘完全坏掉之前,及时发现硬盘的疑似故障状态。
步骤S106,在确定出满足所述负样本写入条件的情况下,将所述SMART属性数据写入到负样本数组中,以通过所述负样本数组预测所述待检测硬盘的故障状态。
在本申请实施例中,在确定出SMART属性数据满足负样本写入条件的情况下,可以将SMART属性数据写入到负样本数组中。然后,通过负样本数组预测待检测硬盘的故障状态。
在一个可选的实施方式中,可以将负样本数组中的负样本和正样本进行结合,来对硬盘的故障进行预测。在另一个可选的实施方式中,还可以直接根据负样本数组中SMART属性数据的变化趋势来对硬盘的故障进行预测。通过该预测方式,无需将负样本输入至支持向量机中进行分类分析,而通过SMART属性数据的变化趋势就能够进行故障的预测,节省了数据分析时间的同时,能够实时对硬盘的故障变化状态进行预测,做到早预防早更换。
需要说明的是,如果待检测硬盘的数量为多个,那么可以对每个待检测硬盘的SMART属性数据进行采集,对每个待检测硬盘的SMART属性数据进行分析,以确定是否满足负样本写入条件。其中,可以为每个待检测硬盘均对应设置一组负样本数组,以使该负样本数组存储该待检测硬盘的负样本;还可以为全部待检测硬盘设置一组负样本数组,本公开对此不做具体限定。
在本申请实施例中,首先,按照第一预设时间间隔读取待检测硬盘的SMART属性数据,然后,基于SMART属性数据中的属性参数确定SMART属性数据是否满足负样本写入条件,如果满足,则将SMART属性数据写入到负样本数组中,以通过负样本数组预测待检测硬盘的故障状态。在本申请实施例中,通过设置负样本写入条件的判断机制,来确定当前读取到的SMART属性数据是否满足负样本写入条件,从而实现快速有效的采集负样本,以通过负样本对硬盘的故障进行预测,进而缓解了通过现有技术对硬盘进行故障预测时,预测精度较低的技术问题,从而实现了准确并快速对硬盘故障进行预测的技术效果。
在本申请实施例中,预先为每个待检测硬盘设置了一个SMART属性数据数组,并将该SMART属性数据数组设置为SM_ARRAY[N],其中,N的取值为该数组的大小。一般情况下,N的取值大于或者等于100,并小于或者等于500,也就是说,SMART属性数据数组中元素的数量在[100,500]之间。
在本申请实施例中,在执行数据读取操作之后,如果读取到该待检测硬盘的SMART属性数据,那么还可以将读取到的所述SMART属性数据存储在SMART属性数据数组的目标存储位置上。
假设,SMART属性数据数组中N的数量为100。在第一次执行数据的读取操作时,如果读取到待检测硬盘的SMART属性数据,那么可以将该SMART属性数据存为SM_ARRAY[1],也即,SMART属性数据数组的第一个存储位上。10分钟之后,执行第二次数据读取操作,如果读取到待检测硬盘的SMART属性数据,那么可以将该SMART属性数据存为SM_ARRAY[2],也即,SMART属性数据数组的第二个存储位(即上述目标存储位置)上,以此类推,此处不再详细描述。当SMART属性数据数组存满之后,则新建一个属性数据数组SM_ARRAY[N],且新建的属性数据数组SM_ARRAY[N]的队列头与上一个已存满的属性数据数组队列尾相邻,从而构成循环队列。此时,就可以读取到的SMART属性数据存储在新建的属性数据数组SM_ARRAY[N]中。
需要说明的是,在本申请实施例中,可以在每次读取SMART属性数据的过程之后,判断SMART属性数据是否满足负样本写入条件;还可以在连续多次读取SMART属性数据之后,依次判断每次读取到的SMART属性数据是否满足负样本写入条件,本公开对此不作具体限定。
在本申请实施例中,在读取到待检测硬盘的SMART属性数据之后,就可以基于属性参数确定SMART属性数据是否满足负样本写入条件。
在一个可选的实施方式中,如图2所示,基于所述属性参数确定所述SMART属性数据是否满足负样本写入条件包括如下步骤:
步骤S201,判断扇区属性参数是否大于预设门限值;
步骤S202,在所述属性参数中的扇区属性参数大于预设门限值的情况下,确定所述SMART属性数据不满足所述负样本写入条件;
步骤S203,在所述属性参数中的扇区属性参数小于或者等于预设门限值的情况下,确定所述SMART属性数据所述满足负样本写入条件;
其中,所述扇区属性参数用于表示所述待检测硬盘的扇区的可靠性。
可选地,在所述属性参数中的扇区属性参数小于或者等于预设门限值的情况下,则确定所述SMART属性数据满足负样本写入条件包括:
在第一扇区属性参数小于或者等于第一预设门限的情况下,和/或,所述第二扇区属性参数小于或者等于第二预设门限的情况下,确定所述SMART属性数据满足所述负样本写入条件;其中,所述第一扇区属性参数为基于所述待检测硬盘中重映射扇区个数确定的可靠性参数,所述第二扇区属性参数为基于所述待检测硬盘中不稳定扇区个数确定的可靠性参数。
通过上述描述可知,在SMART属性数据中包括多种属性参数,在本申请实施例中,主要通过SMART属性数据中的扇区属性参数来判断SMART属性数据是否满足负样本写入条件。可选地,扇区属性参数包括第一扇区属性参数和第二扇区属性参数,其中,第一扇区属性参数为基于硬盘重映射的扇区个数计算的一个可靠性参数,第二扇区属性参数为基于不稳定的扇区个数或者待映射扇区的个数计算的另一个可靠性参数。
在硬盘重映射的扇区个数中,重映射是指待检测硬盘的某扇区持续出现读/写/校验错误,此时,待检测硬盘的固件程序会将这个持续出现读/写/校验错误的扇区的物理地址加入缺陷表中(G-list);然后,将该扇区的物理地址重新定向到预先保留的备用扇区,并将该扇区中的数据一并转移至备用扇区的过程。硬盘重映射的扇区个数能够表明该待检测硬盘中已经被重映射的扇区的数量。若已经被重映射的扇区的数量不断增加,那么表明不良扇区(也即,疑似故障扇区)的数量也在不断增加,此时表明待检测硬盘已经处于不稳定状态,应该考虑更换。如果已经被重映射的扇区的数量已经接近或者达到其预先设定的门限值,则表明备用扇区已经用尽,此时,待检测硬盘已经失去了重映射功能。在此情况下,如果在待检测硬盘中再出现不良扇区,那么会导致数据的丢失。
在不稳定的扇区个数或者待映射扇区的个数中,不稳定的扇区个数可以理解为待映射扇区的个数。也就是说,当待检测硬盘中的某一扇区处于不稳定状态时,此时该扇区需要重映射至备份扇区。此时,可以理解为不稳定的扇区个数越多,则待检测硬盘的故障越严重,也即,不稳定的扇区的个数的变化,能够表明待检测硬盘的故障变化趋势。
在本申请实施例中,第一扇区属性参数为基于重映射扇区的个数计算出的用于表征硬盘可靠性的参数。其中,重映射扇区的个数越多,则第一扇区属性参数越低,表明硬盘扇区的可靠性越低;重映射扇区的个数越少,则第一扇区属性参数越高,表明硬盘扇区的可靠性越高。
第二扇区属性参数为基于不稳定扇区个数计算出的用于表征硬盘可靠性的另一个参数。其中,不稳定扇区的个数越多,则第二扇区属性参数越低,表明硬盘扇区的可靠性越低;不稳定扇区的个数越少,则第二扇区属性参数越高,表明硬盘扇区的可靠性越高。
需要说明的是,不同的硬盘,基于重映射扇区的个数计算第一扇区属性参数的计算方式可能不同;以及不同的硬盘,基于不稳定扇区的个数计算第二扇区属性参数的计算方式可能不同。
在本申请实施例中,通过判断第一扇区属性参数和第二扇区属性参数是否满足对应的门限值,来确定SMART属性数据是否满足负样本写入条件的方式,能够更加准确的确定出待检测硬盘的负样本。除此之外,还能够确定出待检测硬盘的故障变化趋势。通过该预测方式,无需将负样本输入至支持向量机中进行分类分析,而通过SMART属性数据的变化趋势就能够进行故障的预测,节省了数据分析时间的同时,能够实时对硬盘的故障变化进行预测,做到早预防。
在本申请实施例中,可以在判断出第一扇区属性参数小于或者等于第一预设门限的情况下,确定SMART属性数据满足所述负样本写入条件;还可以在判断出第二扇区属性参数小于或者等于第二预设门限的情况下,确定SMART属性数据满足所述负样本写入条件;还可以在判断出第一扇区属性参数小于或者等于第一预设门限,以及第二扇区属性参数小于或者等于第二预设门限的情况下,确定SMART属性数据满足所述负样本写入条件。
例如,在第一次执行数据的读取操作时,读取到的SMART属性数据:SM_ARRAY[1]。此时,可以判断SM_ARRAY[1]中的第一扇区属性参数是否大于第一预设门限,然后,判断SM_ARRAY[1]中的第二扇区属性参数是否大于第二预设门限。如果判断出不是,则将SM_ARRAY[1]写入负样本数组中。
在本申请实施例中,针对SMART属性数据数组中的每个SMART属性数据SM_ARRAY[i],均可以采用上述判断方式来判断其是否满足负样本写入条件。
需要说明的是,上述描述的过程为读取到SMART属性数据时所执行的步骤。
在按照所述第一预设时间间隔,读取所述待检测硬盘的SMART属性数据时,若未读取到所述SMART属性数据,如图3所示,执行下述步骤:
步骤S301,按照第二预设时间间隔读取所述SMART属性数据;
步骤S302,如果在按照所述第二预设时间间隔时,连续N次未读取到所述SMART属性数据,则将SMART属性数据数组中已存储的SMART属性数据写入所述负样本数组中。
在本申请实施例中,在按照所述第一预设时间间隔,读取所述待检测硬盘的SMART属性数据时,如果未读取到SMART属性数据,则每隔第二预设时间间隔读取该SMART属性数据。如果连续N次未读取到SMART属性数据,则表明该待检测硬盘已经损坏。
例如,可以设置为每秒读1次,连续读2次,此时,第二预设时间间隔为1秒,N为2。如果连续2次未读取到SMART属性数据,则可以确定待检测硬盘已经损坏。又例如,可以设置每2秒读1次,连续读3次,此时,第二预设时间间隔为2秒,N为3。如果连续3次未读取到SMART属性数据,则可以确定待检测硬盘已经损坏。具体地,N的取值和第二预设时间间隔的选取可以根据实际需要来进行设定,本申请对此不做具体限定。
如果连续N次未读取到SMART属性数据,则表明该待检测硬盘已经损坏,此时需要将SMART属性数据数组中已存储的SMART属性数据写入负样本数组中。
在将SMART属性数据数组中已存储的SMART属性数据写入负样本数组之前,还需要检测该待检测硬盘是好硬盘还是已经损坏的硬盘。如果该待检测硬盘是已经损坏的硬盘,表明其已经坏掉,此时,无需将其SMART属性数据写入负样本数组中。
在一个可选的实施方式中,如果按照所述第二预设时间间隔,连续N次未读取到所述SMART属性数据,且在检测到所述待检测硬盘的预测值不是目标数值的情况下,将所述SMART属性数据数组中已存储的SMART属性数据写入所述负样本数组中;其中,所述目标数值表示所述待检测硬盘已处于故障状态。
在本申请实施例中,如果按照第二预设时间间隔,连续N次未读取到所述SMART属性数据,且该待检测硬盘的预测值不是目标数值(用于表征待检测硬盘已经处于故障状态的标识信息)的情况下,可以将SMART属性数据数组中已存储的SMART属性数据写入所述负样本中。
例如,SMART属性数据数组中已存储的SMART属性数据包括:SM_ARRAY[1],SM_ARRAY[2],SM_ARRAY[3],…,SM_ARRAY[50]。当读取SM_ARRAY[51]时,如果连续N次未读取到所述SMART属性数据,且在检测到该待检测硬盘的预测值不是目标数值,此时,需要将SM_ARRAY[1],SM_ARRAY[2],SM_ARRAY[3],…,SM_ARRAY[50]写入负样本数组中。由于硬盘的坏掉是有一个过程,例如,10分钟读取一次,当读取SM_ARRAY[1],尽管能读取,但硬盘疑似坏掉,SM_ARRAY[2]的时候,进一步加重,直至读取SM_ARRAY[51]时,则硬盘处于已损坏的状态。
在本申请实施例中,通过上述描述可知,在本申请实施例中,将用于保证待检测硬盘处于疑似故障状态的SMART属性数据存储至负样本数组,进而,通过SMART属性数据的变化趋势就能够进行故障的预测,节省了数据分析时间的同时,能够实时对硬盘的故障变化进行预测,做到早预防。
在另一个可选的实施方式中,该方法还包括:当所述负样本数组中存储的负样本数量超过预设数量时,则将所述负样本数组中最早写入的负样本删除。
也就是说,当负样本数组中的存储的负样本数量超过预设数量时,删除负样本数组中最早写入的负样本。需要说明的是,预设数量可以为该负样本数组的大小,还可以为该负样本数组的90%,或者该负样本数组的95%,本申请对此不作具体限定。删除最早写入的负样本是因为硬盘的由疑似故障变为故障状态是有一个变化的过程,因此,删除最初读取到的负样本,能够提高负样本的准确度。
通过上述描述可知,在本申请实施例中,通过设置负样本写入条件的判断机制,来确定当前读取到的SMART属性数据是否满足负样本写入条件,从而实现快速有效的采集负样本,以通过负样本对硬盘的故障进行预测,进而缓解了通过现有技术对硬盘进行故障预测时,预测精度较低的技术问题,从而实现了准确并快速对硬盘故障进行预测的技术效果。
实施例二:
本申请实施例还提供了一种硬盘故障的预测装置,该硬盘故障的预测装置主要用于执行本申请实施例上述内容所提供的硬盘故障的预测方法,以下对本申请实施例提供的硬盘故障的预测装置做具体介绍。
图4是根据本申请实施例的一种硬盘故障的预测装置的示意图,如图4所示,该硬盘故障的预测装置主要包括读取单元10,确定单元20和写入预测模块30,其中:
读取单元10,用于按照第一预设时间间隔,读取待检测硬盘的SMART属性数据,其中,所述SMART属性数据中包括至少一种属性参数;
确定单元20,用于基于所述属性参数确定所述SMART属性数据是否满足负样本写入条件,其中,所述负样本用于表征所述待检测硬盘处于非正常运行状态;
写入预测模块30,用于在确定出满足所述负样本写入条件的情况下,将所述SMART属性数据写入到负样本数组中,以通过所述负样本数组预测所述待检测硬盘的故障状态。
在本申请实施例中,首先,按照预设时间间隔读取待检测硬盘的SMART属性数据,然后基于SMART属性数据中的属性参数确定SMART属性数据是否满足负样本写入条件,如果满足,则将SMART属性数据写入到负样本数组中,以通过负样本数组预测待检测硬盘的故障状态。在本申请实施例中,通过设置负样本写入条件的判断机制,来确定当前读取到的SMART属性数据是否满足负样本写入条件,从而实现快速有效的采集负样本,以通过负样本对硬盘的故障进行预测,进而缓解了通过现有技术对硬盘进行故障预测时,预测精度较低的技术问题,从而实现了准确并快速对硬盘故障进行预测的技术效果。
可选地,如图5所示,所述确定单元20包括:第一确定模块51,用于在所述属性参数中的扇区属性参数大于预设门限值的情况下,确定所述SMART属性数据不满足所述负样本写入条件;第二确定模块52,用于在所述属性参数中的扇区属性参数小于或者等于预设门限值的情况下,确定所述SMART属性数据所述满足负样本写入条件;其中,所述扇区属性参数用于表示所述待检测硬盘的扇区的可靠性。
可选地,第二确定模块52用于:在第一扇区属性参数小于或者等于第一预设门限的情况下,和/或,所述第二扇区属性参数小于或者等于第二预设门限的情况下,确定所述SMART属性数据满足所述负样本写入条件;其中,所述第一扇区属性参数为基于所述待检测硬盘中重映射扇区个数确定的可靠性参数,所述第二扇区属性参数为基于所述待检测硬盘中不稳定扇区个数确定的可靠性参数。
可选地,该装置还用于:将读取到的所述SMART属性数据存储在SMART属性数据数组的目标存储位置上。
可选地,该装置还用于:在按照所述第一预设时间间隔,读取所述待检测硬盘的SMART属性数据时,若未读取到所述SMART属性数据,则按照第二预设时间间隔读取所述SMART属性数据;如果按照所述第二预设间间隔时,连续N次未读取到所述SMART属性数据,则将SMART属性数据数组中已存储的SMART属性数据写入所述负样本数组中。
可选地,该装置还用于:如果按照所述第二预设时间间隔,连续N次未读取到所述SMART属性数据,且在检测到所述待检测硬盘的预测值不是目标数值的情况下,将所述SMART属性数据数组中已存储的SMART属性数据写入所述负样本数组中;其中,所述目标数值表示所述待检测硬盘已处于故障状态。
可选地,该装置还用于:当所述负样本数组中存储的负样本数量超过预设数量时,则将所述负样本数组中最早写入的负样本删除。
本申请实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
参见图6,在本申请的另一个实施例中,还提供一种电子设备100,包括处理器61和存储器62,其中,所述存储器62中存储有可在所述处理器61上运行的计算机程序,所述处理器61执行所述计算机程序时实现上述方法实施例所述的方法。如果待检测硬盘设置在计算机中,那么该电子设备100可以为独立于该计算机设置,且与该计算机通信连接的电子设备;该电子设备100还可以为设置有该待检测硬盘的计算机。
处理器61可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元,并且可以控制所述电子设备中的其它组件以执行期望的功能。
存储器62可以包括一种或多种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。计算机可读存储介质中存储有可在处理器上运行的计算机程序。所述易失性存储器可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器可以包括只读存储器(ROM)、硬盘、闪存等。当电子设备为设置有该待检测硬盘的计算机,那么非易失性存储器中的硬盘存储器可以为该计算机中除了待检测硬盘之外的其他硬盘,例如,引导盘等。
另外,在本申请实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本申请中的具体含义。
在本申请的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本申请实施例所提供的一种硬盘故障的预测方法的计算机程序产品,包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动待检测硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种硬盘故障的预测方法,其特征在于,包括:
按照第一预设时间间隔,读取待检测硬盘的SMART属性数据,其中,所述SMART属性数据中包括至少一种属性参数;
基于所述属性参数确定所述SMART属性数据是否满足负样本写入条件,其中,所述负样本用于表征所述待检测硬盘处于非正常运行状态;
在确定出满足所述负样本写入条件的情况下,将所述SMART属性数据写入到负样本数组中,以通过所述负样本数组预测所述待检测硬盘的故障状态。
2.根据权利要求1所述的方法,其特征在于,基于所述属性参数确定所述SMART属性数据是否满足负样本写入条件包括:
在所述属性参数中的扇区属性参数大于预设门限值的情况下,确定所述SMART属性数据不满足所述负样本写入条件;
在所述属性参数中的扇区属性参数小于或者等于预设门限值的情况下,确定所述SMART属性数据所述满足负样本写入条件;
其中,所述扇区属性参数用于表示所述待检测硬盘的扇区的可靠性。
3.根据权利要求2所述的方法,其特征在于,在所述属性参数中的扇区属性参数小于或者等于预设门限值的情况下,确定所述SMART属性数据满足负样本写入条件包括:
在第一扇区属性参数小于或者等于第一预设门限的情况下,和/或,第二扇区属性参数小于或者等于第二预设门限的情况下,确定所述SMART属性数据满足所述负样本写入条件;
其中,所述第一扇区属性参数为基于所述待检测硬盘中重映射扇区个数确定的可靠性参数,所述第二扇区属性参数为基于所述待检测硬盘中不稳定扇区个数确定的可靠性参数。
4.根据权利要求1至3中任一项所述的方法,其特征在于,所述方法还包括:
将读取到的所述SMART属性数据存储在SMART属性数据数组的目标存储位置上。
5.根据权利要求1至3中任一项所述的方法,其特征在于,所述方法还包括:
在按照所述第一预设时间间隔,读取所述待检测硬盘的SMART属性数据时,若未读取到所述SMART属性数据,则按照第二预设时间间隔读取所述SMART属性数据;
如果按照所述第二预设时间间隔,连续N次未读取到所述SMART属性数据,则将SMART属性数据数组中已存储的SMART属性数据写入所述负样本数组中。
6.根据权利要求5所述的方法,其特征在于,如果按照所述第二预设时间间隔,连续N次未读取到所述SMART属性数据,则将SMART属性数据数组中已存储的SMART属性数据写入所述负样本数组中包括:
如果按照所述第二预设时间间隔,连续N次未读取到所述SMART属性数据,且在检测到所述待检测硬盘的预测值不是目标数值的情况下,将所述SMART属性数据数组中已存储的SMART属性数据写入所述负样本数组中;
其中,所述目标数值表示所述待检测硬盘已处于故障状态。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当所述负样本数组中存储的负样本数量超过预设数量时,则将所述负样本数组中最早写入的负样本删除。
8.一种硬盘故障的预测装置,其特征在于,包括:
读取单元,用于按照第一预设时间间隔,读取待检测硬盘的SMART属性数据,其中,所述SMART属性数据中包括至少一种属性参数;
确定单元,用于基于所述属性参数确定所述SMART属性数据是否满足负样本写入条件,其中,所述负样本用于表征所述待检测硬盘处于非正常运行状态;
写入预测模块,用于在确定出满足所述负样本写入条件的情况下,将所述SMART属性数据写入到负样本数组中,以通过所述负样本数组预测所述待检测硬盘的故障状态。
9.根据权利要求8所述的装置,其特征在于,所述确定单元包括:
第一确定模块,用于在所述属性参数中的扇区属性参数大于预设门限值的情况下,则确定所述SMART属性数据不满足所述负样本写入条件;
第二确定模块,用于在所述属性参数中的扇区属性参数小于或者等于预设门限值的情况下,则确定所述SMART属性数据所述满足负样本写入条件;其中,所述扇区属性参数用于表示所述待检测硬盘的扇区的可靠性。
10.一种电子设备,其特征在于,包括:存储器和处理器,其中,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711464730.7A CN108073486B (zh) | 2017-12-28 | 2017-12-28 | 一种硬盘故障的预测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711464730.7A CN108073486B (zh) | 2017-12-28 | 2017-12-28 | 一种硬盘故障的预测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108073486A true CN108073486A (zh) | 2018-05-25 |
CN108073486B CN108073486B (zh) | 2022-05-10 |
Family
ID=62155978
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711464730.7A Active CN108073486B (zh) | 2017-12-28 | 2017-12-28 | 一种硬盘故障的预测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108073486B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109582237A (zh) * | 2018-11-30 | 2019-04-05 | 上海工程技术大学 | 一种基于机械硬盘的坏扇区映射方法 |
CN109828869A (zh) * | 2018-12-05 | 2019-05-31 | 中兴通讯股份有限公司 | 预测硬盘故障发生时间的方法、装置及存储介质 |
CN110109786A (zh) * | 2019-04-18 | 2019-08-09 | 东莞记忆存储科技有限公司 | Smart信息测试方法、装置、计算机设备及存储介质 |
CN111858108A (zh) * | 2020-06-23 | 2020-10-30 | 新华三技术有限公司 | 一种硬盘故障预测方法、装置、电子设备和存储介质 |
CN111949488A (zh) * | 2020-08-14 | 2020-11-17 | 山东英信计算机技术有限公司 | 一种硬盘故障预测方法、系统及电子设备和存储介质 |
CN112527588A (zh) * | 2020-12-09 | 2021-03-19 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种微处理器系统及其实时自检测方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1770304A (zh) * | 2004-08-02 | 2006-05-10 | 日立环球储存科技荷兰有限公司 | 磁盘装置的故障预测方法及使用该方法的磁盘装置 |
US20110083123A1 (en) * | 2009-10-05 | 2011-04-07 | Microsoft Corporation | Automatically localizing root error through log analysis |
CN102129397A (zh) * | 2010-12-29 | 2011-07-20 | 深圳市永达电子股份有限公司 | 一种自适应磁盘阵列故障预测方法及系统 |
CN104503874A (zh) * | 2014-12-29 | 2015-04-08 | 南京大学 | 一种云计算平台的硬盘故障预测方法 |
US20150278707A1 (en) * | 2014-03-31 | 2015-10-01 | International Business Machines Corporation | Predictive space aggregated regression |
CN105068901A (zh) * | 2015-07-27 | 2015-11-18 | 浪潮电子信息产业股份有限公司 | 一种磁盘检测的方法 |
CN105224888A (zh) * | 2015-09-29 | 2016-01-06 | 上海爱数软件有限公司 | 一种基于安全预警技术的磁盘阵列数据保护系统 |
CN105260279A (zh) * | 2015-11-04 | 2016-01-20 | 四川效率源信息安全技术股份有限公司 | 基于smart数据动态诊断硬盘故障的方法和装置 |
CN105893231A (zh) * | 2016-05-06 | 2016-08-24 | 思创数码科技股份有限公司 | 一种基于smart的预测硬盘亚健康指标的方法及装置 |
CN106897178A (zh) * | 2017-02-21 | 2017-06-27 | 曲阜师范大学 | 一种基于极限学习机的慢盘检测方法及系统 |
CN106991072A (zh) * | 2016-01-21 | 2017-07-28 | 杭州海康威视数字技术股份有限公司 | 在线自学习事件检测模型更新方法及装置 |
CN106991031A (zh) * | 2017-03-07 | 2017-07-28 | 记忆科技(深圳)有限公司 | 一种smart信息监控的实现方法 |
CN107391301A (zh) * | 2017-08-16 | 2017-11-24 | 北京奇虎科技有限公司 | 存储系统的数据管理方法、装置、计算设备及存储介质 |
-
2017
- 2017-12-28 CN CN201711464730.7A patent/CN108073486B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1770304A (zh) * | 2004-08-02 | 2006-05-10 | 日立环球储存科技荷兰有限公司 | 磁盘装置的故障预测方法及使用该方法的磁盘装置 |
US20110083123A1 (en) * | 2009-10-05 | 2011-04-07 | Microsoft Corporation | Automatically localizing root error through log analysis |
CN102129397A (zh) * | 2010-12-29 | 2011-07-20 | 深圳市永达电子股份有限公司 | 一种自适应磁盘阵列故障预测方法及系统 |
US20150278707A1 (en) * | 2014-03-31 | 2015-10-01 | International Business Machines Corporation | Predictive space aggregated regression |
CN104503874A (zh) * | 2014-12-29 | 2015-04-08 | 南京大学 | 一种云计算平台的硬盘故障预测方法 |
CN105068901A (zh) * | 2015-07-27 | 2015-11-18 | 浪潮电子信息产业股份有限公司 | 一种磁盘检测的方法 |
CN105224888A (zh) * | 2015-09-29 | 2016-01-06 | 上海爱数软件有限公司 | 一种基于安全预警技术的磁盘阵列数据保护系统 |
CN105260279A (zh) * | 2015-11-04 | 2016-01-20 | 四川效率源信息安全技术股份有限公司 | 基于smart数据动态诊断硬盘故障的方法和装置 |
CN106991072A (zh) * | 2016-01-21 | 2017-07-28 | 杭州海康威视数字技术股份有限公司 | 在线自学习事件检测模型更新方法及装置 |
CN105893231A (zh) * | 2016-05-06 | 2016-08-24 | 思创数码科技股份有限公司 | 一种基于smart的预测硬盘亚健康指标的方法及装置 |
CN106897178A (zh) * | 2017-02-21 | 2017-06-27 | 曲阜师范大学 | 一种基于极限学习机的慢盘检测方法及系统 |
CN106991031A (zh) * | 2017-03-07 | 2017-07-28 | 记忆科技(深圳)有限公司 | 一种smart信息监控的实现方法 |
CN107391301A (zh) * | 2017-08-16 | 2017-11-24 | 北京奇虎科技有限公司 | 存储系统的数据管理方法、装置、计算设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
WENJUN YANG: "Hard Drive Failure Prediction Using Big Data", 《2015 IEEE 34TH SYMPOSIUM ON RELIABLE DISTRIBUTED SYSTEMS WORKSHOP (SRDSW)》 * |
贾宇晗: "硬盘故障预测模型在大型数据中心环境下的验证", 《计算机研究与发展》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109582237A (zh) * | 2018-11-30 | 2019-04-05 | 上海工程技术大学 | 一种基于机械硬盘的坏扇区映射方法 |
CN109582237B (zh) * | 2018-11-30 | 2021-12-17 | 上海工程技术大学 | 一种基于机械硬盘的坏扇区映射方法 |
CN109828869A (zh) * | 2018-12-05 | 2019-05-31 | 中兴通讯股份有限公司 | 预测硬盘故障发生时间的方法、装置及存储介质 |
US11656943B2 (en) | 2018-12-05 | 2023-05-23 | Zte Corporation | Method and apparatus for predicting hard disk fault occurrence time, and storage medium |
CN110109786A (zh) * | 2019-04-18 | 2019-08-09 | 东莞记忆存储科技有限公司 | Smart信息测试方法、装置、计算机设备及存储介质 |
CN110109786B (zh) * | 2019-04-18 | 2023-04-28 | 东莞记忆存储科技有限公司 | Smart信息测试方法、装置、计算机设备及存储介质 |
CN111858108A (zh) * | 2020-06-23 | 2020-10-30 | 新华三技术有限公司 | 一种硬盘故障预测方法、装置、电子设备和存储介质 |
CN111858108B (zh) * | 2020-06-23 | 2024-05-10 | 新华三技术有限公司 | 一种硬盘故障预测方法、装置、电子设备和存储介质 |
CN111949488A (zh) * | 2020-08-14 | 2020-11-17 | 山东英信计算机技术有限公司 | 一种硬盘故障预测方法、系统及电子设备和存储介质 |
CN112527588A (zh) * | 2020-12-09 | 2021-03-19 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种微处理器系统及其实时自检测方法 |
CN112527588B (zh) * | 2020-12-09 | 2023-12-19 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种微处理器系统及其实时自检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108073486B (zh) | 2022-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108073486A (zh) | 一种硬盘故障的预测方法和装置 | |
US10198196B2 (en) | Monitoring health condition of a hard disk | |
US11099743B2 (en) | Determining when to replace a storage device using a machine learning module | |
JP5596123B2 (ja) | 有限の耐久性および/または持続性を有するメモリ装置からのモニタ・データの情報を分析する方法およびシステム | |
US10235233B2 (en) | Storage error type determination | |
US10310749B2 (en) | System and method for predicting disk failure | |
CN102568522B (zh) | 硬盘性能的测试方法和装置 | |
CN109117327A (zh) | 一种硬盘检测方法及装置 | |
CN108287775A (zh) | 一种服务器故障检测的方法、装置、设备及存储介质 | |
CN107391301A (zh) | 存储系统的数据管理方法、装置、计算设备及存储介质 | |
CN106897178A (zh) | 一种基于极限学习机的慢盘检测方法及系统 | |
CN103392208A (zh) | 半导体存储装置和用于控制半导体存储装置的方法 | |
CN109684140A (zh) | 一种慢盘检测方法、装置、设备及计算机可读存储介质 | |
CN106959912B (zh) | 磁盘检测方法及装置 | |
CN107731262A (zh) | 一种存储磁盘坏块管理方法、装置、设备及可读存储介质 | |
US8843781B1 (en) | Managing drive error information in data storage systems | |
CN112000536A (zh) | 一种内存检测方法、系统及相关设备 | |
CN113568798B (zh) | 服务器故障定位方法、装置、电子设备及存储介质 | |
CN107678894A (zh) | 一种内存测试方法、装置及系统 | |
CN110196688A (zh) | 一种磁盘检测方法、装置、设备及介质 | |
CN110532139A (zh) | 预警方法及装置 | |
CN115206405A (zh) | 固态硬盘的测试方法、测试装置及计算机可读存储介质 | |
CN107301109A (zh) | 一种硬盘质量筛选方法及装置 | |
CN106933750A (zh) | 用于多级缓存中数据及状态的验证方法及装置 | |
US11803433B2 (en) | Localization of potential issues to objects |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |