CN112599182A - 一种非易失性存储寿命预测方法、装置、设备及介质 - Google Patents
一种非易失性存储寿命预测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN112599182A CN112599182A CN202011453276.7A CN202011453276A CN112599182A CN 112599182 A CN112599182 A CN 112599182A CN 202011453276 A CN202011453276 A CN 202011453276A CN 112599182 A CN112599182 A CN 112599182A
- Authority
- CN
- China
- Prior art keywords
- remaining life
- life percentage
- time consumption
- percentage
- time
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G11—INFORMATION STORAGE
- G11C—STATIC STORES
- G11C29/00—Checking stores for correct operation ; Subsequent repair; Testing stores during standby or offline operation
- G11C29/04—Detection or location of defective memory elements, e.g. cell constructio details, timing of test signals
- G11C29/50—Marginal testing, e.g. race, voltage or current testing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
- G06F3/0614—Improving the reliability of storage systems
- G06F3/0616—Improving the reliability of storage systems in relation to life time, e.g. increasing Mean Time Between Failures [MTBF]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0668—Interfaces specially adapted for storage systems adopting a particular infrastructure
- G06F3/0671—In-line storage system
- G06F3/0673—Single storage device
- G06F3/0679—Non-volatile semiconductor memory device, e.g. flash memory, one time programmable memory [OTP]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请公开了一种非易失性存储寿命预测方法、装置、设备、介质,该方法包括:获取目标非易失性存储在过去预设时长之内的剩余寿命百分比信息;基于剩余寿命百分比信息确定目标非易失性存储对应的第一时间消耗数列;将所述第一时间消耗数列输入预设的prophet模型,以便所述prophet模型输出所述目标非易失性存储对应的第二时间消耗数列,其中,所述第二时间消耗数列中的各个数据表示所述剩余寿命百分比信息中的最低剩余寿命百分比之后,所述剩余寿命百分比每变化所述预设数量所消耗的时间预测值;基于所述第二时间消耗数列确定所述目标非易失性存储的剩余寿命时长,这样能够提高故障率增加时的非易失性存储寿命预测的准确度。
Description
技术领域
本申请涉及存储技术领域,特别涉及一种非易失性存储寿命预测方法、装置、设备、介质。
背景技术
非易失性存储有寿命限制,其存储介质的擦写次数是固定的,也即当非易失性存储的擦写次数到额定值的时间,即为寿命终点。非易失性存储器件由一个个的块(Block)组成,块的损坏符合浴盆曲线(Bathtub curve,失效率曲线)。非易失性存储已消耗的寿命百分比是可以采集的。当前对于非易失性存储寿命的预测方法主要将非易失性存储已消耗的寿命与已使用时间的比值确定为平均消耗率,再利用剩余寿命除以平均消耗率就可以估计出剩余寿命。
上述现有的非易失存储剩余寿命预测方法在故障率稳定不变的情况下具有较高的可信度,但是当故障率增长时,即非易失性存储处于浴盆曲线的损耗失效期时,其预测的剩余寿命可信度较低。因此,如何提高故障率不稳定情况下非易失性存储的剩余寿命预测准确性是本领域技术人员要解决的问题。
发明内容
有鉴于此,本申请的目的在于提供一种非易失性存储寿命预测方法、装置、设备、介质,能够提高故障率增加时的非易失性存储寿命预测的准确度。其具体方案如下:
第一方面,本申请公开了一种非易失性存储寿命预测方法,包括:
获取目标非易失性存储在过去预设时长之内的剩余寿命百分比信息,其中,所述剩余寿命百分比信息包括剩余寿命百分比和获取到所述剩余寿命百分比的时间,所述剩余寿命百分比为剩余寿命占总寿命的比例;
基于所述剩余寿命百分比信息确定所述目标非易失性存储对应的第一时间消耗数列,其中,所述第一时间消耗数列中的各个时间消耗数据表示所述剩余寿命百分比每变化预设数量所消耗的时间;
将所述第一时间消耗数列输入预设的prophet模型,以便所述prophet模型输出所述目标非易失性存储对应的第二时间消耗数列,其中,所述第二时间消耗数列中的各个数据表示所述剩余寿命百分比信息中的最低剩余寿命百分比之后,所述剩余寿命百分比每变化所述预设数量所消耗的时间预测值;
基于所述第二时间消耗数列确定所述目标非易失性存储的剩余寿命时长。
可选地,所述获取目标非易失性存储在过去预设时长之内的剩余寿命百分比信息,包括:
利用smartctl工具获取目标非易失性存储在过去预设时长之内的剩余寿命百分比信息。
可选地,所述利用smartctl工具获取目标非易失性存储在过去预设时长之内的剩余寿命百分比信息,包括:
按照预设采样间隔利用smartctl工具获取所述目标非易失性存储的S.M.A.R.T.参数信息;
将所述S.M.A.R.T.参数信息中的剩余寿命百分比和获取到所述剩余寿命百分比的时间作为剩余寿命百分比信息,直到获取次数达到预设次数,将每次获取到的剩余寿命百分比信息作为所述目标非易失性存储在过去预设时长之内的剩余寿命百分比信息,其中,所述预设次数基于所述预设采样间隔和所述预设时长确定。
可选地,所述基于所述剩余寿命百分比信息确定所述目标非易失性存储对应的第一时间消耗数列,包括:
对所述剩余寿命百分比信息中的剩余寿命百分比进行去重处理,并按照从大到小的顺序进行排列,得到剩余寿命百分比变化序列;
将所述剩余寿命百分比变化序列中的第一个剩余寿命百分比作为第一剩余寿命百分比,将所述剩余寿命百分比变化序列中与所述第一剩余寿命百分比相差所述预设数量的剩余寿命百分比作为第二剩余寿命百分比,并将所述第一剩余寿命百分比与所述第二剩余寿命百分比对应的时间之间的差值作为所述目标非易失性存储对应的第一时间消耗数列中的第一个时间消耗数据;
将所述剩余寿命百分比变化序列中与所述第二剩余寿命百分比相差所述预设数量的剩余寿命百分比作为第三剩余寿命百分比,并将所述第二剩余寿命百分比与所述第三剩余寿命百分比对应的时间之间的差值作为所述目标非易失性存储对应的第一时间消耗数列中的第二个时间消耗数据,直到满足预设结束条件,得到所述目标非易失性存储对应的第一时间消耗数列。
可选地,所述基于所述第二时间消耗数列确定所述目标非易失性存储的剩余寿命时长,包括:
对所述第二时间消耗数列中的各个数据进行累加得到所述目标非易失性存储的剩余寿命时长。
可选地,所述将所述第一时间消耗数列输入预设的prophet模型,以便所述prophet模型输出所述目标非易失性存储对应的第二时间消耗数列,包括:
将所述第一时间消耗数列输入预设的prophet模型,并设置所述prophet模型的趋势项为线性,以便所述prophet模型拟合所述第一时间消耗数列,并输出所述目标非易失性存储对应的第二时间消耗数列。
第二方面,本申请公开了一种非易失性存储寿命预测装置,包括:
信息获取模块,用于获取目标非易失性存储在过去预设时长之内的剩余寿命百分比信息,其中,所述剩余寿命百分比信息包括剩余寿命百分比和获取到所述剩余寿命百分比的时间,所述剩余寿命百分比为剩余寿命占总寿命的比例;
时间消耗确定模块,用于基于所述剩余寿命百分比信息确定所述目标非易失性存储对应的第一时间消耗数列,其中,所述第一时间消耗数列中的各个时间消耗数据表示所述剩余寿命百分比每变化预设数量所消耗的时间;
预测模块,用于将所述第一时间消耗数列输入预设的prophet模型,以便所述prophet模型输出所述目标非易失性存储对应的第二时间消耗数列,其中,所述第二时间消耗数列中的各个数据表示从所述剩余寿命百分比信息中的最低剩余寿命百分比开始,所述剩余寿命百分比每变化所述预设数量所消耗的时间预测值;
剩余寿命确定模块,用于基于所述第二时间消耗数列确定所述目标非易失性存储的剩余寿命时长。
可选地,所述预测模块,用于:
将所述第一时间消耗数列输入预设的prophet模型,并设置所述prophet模型的趋势项为线性,以便所述prophet模型拟合所述第一时间消耗数列,并输出所述目标非易失性存储对应的第二时间消耗数列。
第三方面,本申请公开了一种电子设备,包括:
存储器和处理器;
其中,所述存储器,用于存储计算机程序;
所述处理器,用于执行所述计算机程序,以实现前述公开的非易失性存储寿命预测方法。
第四方面,本申请公开了一种计算机可读存储介质,用于保存计算机程序,其中,所述计算机程序被处理器执行时实现前述公开的非易失性存储寿命预测方法。
可见,本申请先获取目标非易失性存储在过去预设时长之内的剩余寿命百分比信息,其中,所述剩余寿命百分比信息包括剩余寿命百分比和获取到所述剩余寿命百分比的时间,所述剩余寿命百分比为剩余寿命占总寿命的比例,然后基于所述剩余寿命百分比信息确定所述目标非易失性存储对应的第一时间消耗数列,其中,所述第一时间消耗数列中的各个时间消耗数据表示所述剩余寿命百分比每变化预设数量所消耗的时间,然后将所述第一时间消耗数列输入预设的prophet模型,以便所述prophet模型输出所述目标非易失性存储对应的第二时间消耗数列,其中,所述第二时间消耗数列中的各个数据表示所述剩余寿命百分比信息中的最低剩余寿命百分比之后,所述剩余寿命百分比每变化所述预设数量所消耗的时间预测值,再基于所述第二时间消耗数列确定所述目标非易失性存储的剩余寿命时长。由此可见,本申请是先获取需要预测寿命的非易失性存储的剩余寿命百分比信号,并基于获取到的剩余寿命百分比信息确定出需要预测寿命的非易失性存储过去剩余寿命百分比每变化预设数量消耗的时间的第一时间消耗数列,在非易失性存储的故障率增高的情况下,剩余寿命百分比每变化预设数量所消耗的时间逐渐减少,所以将所述第一时间消耗数列输入预设的prophet模型后,prophet模型可以学习到这种减少趋势,符合预期和浴盆曲线的规律,提高了预测的准确度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本申请的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本申请公开的一种非易失性存储寿命预测方法流程图;
图2为本申请公开的一种具体的非易失性存储寿命预测方法流程图;
图3为本申请公开的一种非易失性存储寿命预测结果图;
图4为本申请公开的一种非易失性存储寿命预测装置结构示意图;
图5为本申请公开的一种电子设备结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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。
当前对于非易失性存储寿命的预测方法主要将非易失性存储已消耗的寿命与已使用时间的比值确定为平均消耗率,再利用剩余寿命除以平均消耗率就可以估计出剩余寿命。上述现有的非易失存储剩余寿命预测方法在故障率稳定不变的情况下具有较高的可信度,但是当故障率增长时,即非易失性存储处于浴盆曲线的损耗失效期时,其预测的剩余寿命可信度较低。有鉴于此,本申请提出了一种非易失性存储寿命预测方法,能够提高故障率增加时的非易失性存储寿命预测的准确度。
参见图1所示,本申请实施例公开了一种非易失性存储寿命预测方法,该方法包括:
步骤S11:获取目标非易失性存储在过去预设时长之内的剩余寿命百分比信息,其中,所述剩余寿命百分比信息包括剩余寿命百分比和获取到所述剩余寿命百分比的时间,所述剩余寿命百分比为剩余寿命占总寿命的比例。
在具体的实施过程中,需要先获取目标非易失性存储在过去预设时长之内的剩余寿命百分比信息,其中,所述目标非易失性存储为需要进行寿命预测的非易失性存储,所述剩余寿命百分比信息包括剩余寿命百分比和获取到所述剩余寿命百分比的时间,所述剩余寿命百分比为剩余寿命占总寿命的比例,所述剩余寿命百分比中百分号前面的数值为正整数,例如,70%、60%等,所述过去预设时长可以是过去一个月、过去三个月等,可以根据实际情况进行选择,在此不对所述过去预设时长进行限定。
具体的,可以先按照预设采样间隔获取所述目标非易失性存储的剩余寿命百分比,并将获取到该剩余寿命百分比的时间和该所述剩余寿命百分比一起作为本次获取到的剩余寿命百分比信息,直到获取次数达到预设测试,将各次获取到的剩余寿命百分比信息作为所述目标非易失性存储在过去预设时长之内的剩余寿命百分比信息,其中,所述预设次数基于所述预设采样间隔和所述预设时长确定,例如,所述预设时长为过去的一个月(30天),所述预设次间隔为一天,也即每天都需要获取剩余寿命百分比,则所述获取次数为30次。
步骤S12:基于所述剩余寿命百分比信息确定所述目标非易失性存储对应的第一时间消耗数列,其中,所述第一时间消耗数列中的各个时间消耗数据表示所述剩余寿命百分比每变化预设数量所消耗的时间。
获取到所述剩余寿命百分比信息之后,还需要基于所述剩余寿命百分比信息确定所述目标非易失性存储对应的第一时间消耗数列,其中,所述第一时间消耗数列中的各个时间消耗数据表示所述剩余寿命百分比每变化预设数量所消耗的时间。所述第一时间消耗数列中的时间消耗数据的单位可以为天、周或月等。
获取到的所述剩余寿命百分比信息之后,根据所述剩余寿命百分比信息中的剩余寿命百分比和各个剩余寿命百分比对应的时间,确定出所述非易失性存储在过去预设时长之内,剩余寿命百分比每变化预设数量所消耗的时间。
具体的,可以先对所述剩余寿命百分比信息中的剩余寿命百分比进行去重处理,并按照从大到小的顺序进行排列,得到剩余寿命百分比变化序列;然后将所述剩余寿命百分比变化序列中的第一个剩余寿命百分比作为第一剩余寿命百分比,将所述剩余寿命百分比变化序列中与所述第一剩余寿命百分比相差所述预设数量的剩余寿命百分比作为第二剩余寿命百分比,并将所述第一剩余寿命百分比与所述第二剩余寿命百分比对应的时间之间的差值作为所述目标非易失性存储对应的第一时间消耗数列中的第一个时间消耗数据;再将所述剩余寿命百分比变化序列中与所述第二剩余寿命百分比相差所述预设数量的剩余寿命百分比作为第三剩余寿命百分比,并将所述第二剩余寿命百分比与所述第三剩余寿命百分比对应的时间之间的差值作为所述目标非易失性存储对应的第一时间消耗数列中的第二个时间消耗数据,直到满足预设结束条件,得到所述目标非易失性存储对应的第一时间消耗数列。
由于获取到的所述剩余寿命百分比信息中会存在不同的时间对应相同的剩余寿命百分比,所以可以先对所述剩余寿命百分比信息中的剩余寿命百分比进行去重处理,将相同的剩余寿命百分比中保留时间最久远的那个,并将去重处理之后的剩余寿命百分比按照从大到小的顺序排列,由于所述目标非易失性存储的剩余寿命百分比随着时间的推移越来越小,所以也就是将去重处理之后的剩余寿命百分比按照时间先后排列。例如,所述剩余寿命百分比信息包括:11月15日99%,11月16日99%,11月17日99%,11月18日99%,11月19日99%,11月20日99%,11月21日98%,11月22日98%,11月23日98%,11月24日97%。则去重处理之后达到的剩余寿命信息为11月15日99%,11月21日98%,11月24日97%。
然后如果所述预设数量为1%,将所述剩余寿命百分比变化序列中的第一个剩余寿命百分比作为第一剩余寿命百分比,将第一剩余寿命百分比少1%的剩余寿命百分比作为第二剩余寿命百分比,并将所述第一剩余寿命百分比与所述第二剩余寿命百分比对应的时间之间的差值作为所述目标非易失性存储对应的第一时间消耗数列中的第一个时间消耗数据,将所述剩余寿命百分比变化序列中与第二剩余寿命百分比相差1%的剩余寿命百分比作为第三剩余寿命百分比,并将所述第二剩余寿命百分比与所述第三剩余寿命百分比对应的时间之间的差值作为所述目标非易失性存储对应的第一时间消耗数列中的第二个时间消耗数据,直到满足计算到所述剩余寿命百分比变化序列中最后一个剩余寿命百分比,或所述剩余寿命百分比变化序列中的最后一个剩余寿命百分比与当前剩余寿命百分比之间的差值不足所述预设数量,得到所述目标非易失性存储对应的第一时间消耗数列。例如,预设数量为1%,根据去重处理之后达到的剩余寿命序列为99%(对应的时间为11月15日),98%(对应的时间为11月21日),97%(对应的时间为11月24日),则所述第一时间消耗数列为6天、3天。
步骤S13:将所述第一时间消耗数列输入预设的prophet模型,以便所述prophet模型输出所述目标非易失性存储对应的第二时间消耗数列,其中,所述第二时间消耗数列中的各个数据表示所述剩余寿命百分比信息中的最低剩余寿命百分比之后,所述剩余寿命百分比每变化所述预设数量所消耗的时间预测值。
得到所述第一时间消耗数列之后,将所述第一时间消耗数列发送到预设的prophet模型,所述prophet模型会拟合所述第一时间消耗数列,并预测第二时间消耗数列,所述第二时间消耗数列中的各个数据表示从所述剩余寿命百分比信息中的最低剩余寿命百分比之后,所述剩余寿命百分比每变化所述预设数量所消耗的时间预测值。也即,所述第二时间消耗数列表示从所述剩余寿命百分比信息中的最低剩余寿命百分比之后,到所述目标非易失性存储的剩余寿命百分比为零的过程中,所述剩余寿命百分比每变化所述预设数量所消耗的时间预测值。所述第二时间消耗序列中的时间的单位可以为天,周或月等,与所述第一时间消耗序列相同即可。
prophet模型属于时间序列预测模型,其本质是使用时序序列分解思想。模型的输入为一串时间序列,包含时间列和值列,输出为预测的未来时间序列。Prophet模型把值分成4个部分,分别是趋势项g(t),周期项s(t),节假日项h(t),误差项ε(t)。它们按如下公式组合输出:y(t)=g(t)+s(t)+h(t)+ε(t)。趋势项g(t)表示主机写入量整体变化趋势。周期项s(t)用于表达主机写入的周期性变化,周期为每周或者每年。节假日项h(t)用于表达非规律性的节假日效应,误差项ε(t)用来反映未在模型中体现的异常变动。
步骤S14:基于所述第二时间消耗数列确定所述目标非易失性存储的剩余寿命时长。
所述prophet模型输出所述第二时间消耗数列之后,还需要基于所述第二时间消耗数列确定所述目标非易失性存储的剩余寿命时长。由于所述第二时间消耗数列中的各个数据表示的是从所述剩余寿命百分比信息中的最低剩余寿命百分比之后,所述剩余寿命百分比每变化所述预设数量所消耗的时间预测值,所以可以将所述第二时间消耗数列中的各个数据累加值作为所述目标非易失性存储的剩余寿命时长。
上述方法能够更加准确的预测寿命的原理在于:非易失性存储只能采集到整数变化的百分比指标,精度低,不适合直接建模。非易失性存储的故障率处于较低的水平时,剩余寿命变化预设数量(例如1%)的天数也相对恒定,此时将时间消耗数列(也即变点距离)作为输入,prophet的预测曲线也趋于水平。非易失性存储的故障率处于加速变化的状态时,寿命衰退的越来越快,剩余寿命变化预设数量(例如1%)的天数也越来越少。此时将变点距离作为输入,prophet的预测曲线也会学习到递减的趋势。即预测未来每变化预设数量(例如1%)所使用的天数也会持续减少,符合预期和浴盆模型的概念,预测准确。
可见,本申请先获取目标非易失性存储在过去预设时长之内的剩余寿命百分比信息,其中,所述剩余寿命百分比信息包括剩余寿命百分比和获取到所述剩余寿命百分比的时间,所述剩余寿命百分比为剩余寿命占总寿命的比例,然后基于所述剩余寿命百分比信息确定所述目标非易失性存储对应的第一时间消耗数列,其中,所述第一时间消耗数列中的各个时间消耗数据表示所述剩余寿命百分比每变化预设数量所消耗的时间,然后将所述第一时间消耗数列输入预设的prophet模型,以便所述prophet模型输出所述目标非易失性存储对应的第二时间消耗数列,其中,所述第二时间消耗数列中的各个数据表示所述剩余寿命百分比信息中的最低剩余寿命百分比之后,所述剩余寿命百分比每变化所述预设数量所消耗的时间预测值,再基于所述第二时间消耗数列确定所述目标非易失性存储的剩余寿命时长。由此可见,本申请是先获取需要预测寿命的非易失性存储的剩余寿命百分比信号,并基于获取到的剩余寿命百分比信息确定出需要预测寿命的非易失性存储过去剩余寿命百分比每变化预设数量消耗的时间的第一时间消耗数列,在非易失性存储的故障率增高的情况下,剩余寿命百分比每变化预设数量所消耗的时间逐渐减少,所以将所述第一时间消耗数列输入预设的prophet模型后,prophet模型可以学习到这种减少趋势,符合预期和浴盆曲线的规律,提高了预设的准确度。
参见图2所示,本申请实施例公开了一种具体的非易失性存储寿命预测方法,该方法包括:
步骤S21:利用smartctl工具获取目标非易失性存储在过去预设时长之内的剩余寿命百分比信息。
首先需要获取所述目标非易失性存储的剩余寿命百分比信息,具体的,可以利用smartctl工具获取目标非易失性存储在过去预设时长之内的剩余寿命百分比信息。
也即,可以按照预设采样间隔利用smartctl工具获取所述目标非易失性存储的S.M.A.R.T.参数信息;将所述S.M.A.R.T.(.Self-Monitoring Analysis and ReportingTechnology自我监测、分析及报告技术)参数信息中的剩余寿命百分比和获取到所述剩余寿命百分比的时间作为剩余寿命百分比信息,直到获取次数达到预设次数,将每次获取到的剩余寿命百分比信息作为所述目标非易失性存储在过去预设时长之内的剩余寿命百分比信息,其中,所述预设次数基于所述预设采样间隔和所述预设时长确定。
步骤S22:基于所述剩余寿命百分比信息确定所述目标非易失性存储对应的第一时间消耗数列,其中,所述第一时间消耗数列中的各个时间消耗数据表示所述剩余寿命百分比每变化预设数量所消耗的时间。
在获取到所述剩余寿命百分比信息之后,还需要基于所述剩余寿命百分比信息确定所述目标非易失性存储对应的第一时间消耗数列,具体的实施过程可以参考前述实施例中公开的内容,在此不再进行赘述。
步骤S23:将所述第一时间消耗数列输入预设的prophet模型,并设置所述prophet模型的趋势项为线性,以便所述prophet模型拟合所述第一时间消耗数列,并输出所述目标非易失性存储对应的第二时间消耗数列。
得到所述第一时间消耗数列之后,将所述第一时间消耗数列输入预设的prophet模型,并设置所述prophet模型的趋势项为线性,以便所述prophet模型拟合所述第一时间消耗数列,并输出所述目标非易失性存储对应的第二时间消耗数列。
所述prophet模型中的趋势项有线性和回归两种,由于所述剩余寿命百分比总会消耗到0,所以选择线性。所述prophet模型中的周期项、节假日项以及误差项会根据所述第一时间消耗数列进行自动拟合。
步骤S24:对所述第二时间消耗数列中的各个数据进行累加得到所述目标非易失性存储的剩余寿命时长。
参见图3所示,为非易失性存储寿命预测图。其中,纵坐标表示时间,单位可以为天,横坐标表示剩余寿命百分比。线条的前部分较粗为输入的第一时间消耗序列对应的线条,后部分较细表示第二时间消耗序列对应的线条,周围的阴影部分表示预测的波动范围。
参见图4所示,本申请实施例公开了一种非易失性存储寿命预测装置,包括:
信息获取模块11,用于获取目标非易失性存储在过去预设时长之内的剩余寿命百分比信息,其中,所述剩余寿命百分比信息包括剩余寿命百分比和获取到所述剩余寿命百分比的时间,所述剩余寿命百分比为剩余寿命占总寿命的比例;
时间消耗确定模块12,用于基于所述剩余寿命百分比信息确定所述目标非易失性存储对应的第一时间消耗数列,其中,所述第一时间消耗数列中的各个时间消耗数据表示所述剩余寿命百分比每变化预设数量所消耗的时间;
预测模块13,用于将所述第一时间消耗数列输入预设的prophet模型,以便所述prophet模型输出所述目标非易失性存储对应的第二时间消耗数列,其中,所述第二时间消耗数列中的各个数据表示从所述剩余寿命百分比信息中的最低剩余寿命百分比开始,所述剩余寿命百分比每变化所述预设数量所消耗的时间预测值;
剩余寿命确定模块14,用于基于所述第二时间消耗数列确定所述目标非易失性存储的剩余寿命时长。
可见,本申请先获取目标非易失性存储在过去预设时长之内的剩余寿命百分比信息,其中,所述剩余寿命百分比信息包括剩余寿命百分比和获取到所述剩余寿命百分比的时间,所述剩余寿命百分比为剩余寿命占总寿命的比例,然后基于所述剩余寿命百分比信息确定所述目标非易失性存储对应的第一时间消耗数列,其中,所述第一时间消耗数列中的各个时间消耗数据表示所述剩余寿命百分比每变化预设数量所消耗的时间,然后将所述第一时间消耗数列输入预设的prophet模型,以便所述prophet模型输出所述目标非易失性存储对应的第二时间消耗数列,其中,所述第二时间消耗数列中的各个数据表示所述剩余寿命百分比信息中的最低剩余寿命百分比之后,所述剩余寿命百分比每变化所述预设数量所消耗的时间预测值,再基于所述第二时间消耗数列确定所述目标非易失性存储的剩余寿命时长。由此可见,本申请是先获取需要预测寿命的非易失性存储的剩余寿命百分比信号,并基于获取到的剩余寿命百分比信息确定出需要预测寿命的非易失性存储过去剩余寿命百分比每变化预设数量消耗的时间的第一时间消耗数列,在非易失性存储的故障率增高的情况下,剩余寿命百分比每变化预设数量所消耗的时间逐渐减少,所以将所述第一时间消耗数列输入预设的prophet模型后,prophet模型可以学习到这种减少趋势,符合预期和浴盆曲线的规律,提高了预设的准确度。
在一些具体的实施例中,所述信息获取模块11,用于:
利用smartctl工具获取目标非易失性存储在过去预设时长之内的剩余寿命百分比信息。
在一些具体的实施例中,所述信息获取模块11,用于:
按照预设采样间隔利用smartctl工具获取所述目标非易失性存储的S.M.A.R.T.参数信息;
将所述S.M.A.R.T.参数信息中的剩余寿命百分比和获取到所述剩余寿命百分比的时间作为剩余寿命百分比信息,直到获取次数达到预设次数,将每次获取到的剩余寿命百分比信息作为所述目标非易失性存储在过去预设时长之内的剩余寿命百分比信息,其中,所述预设次数基于所述预设采样间隔和所述预设时长确定。
在一些具体的实施例中,所述时间消耗确定模块12,用于:
对所述剩余寿命百分比信息中的剩余寿命百分比进行去重处理,并按照从大到小的顺序进行排列,得到剩余寿命百分比变化序列;
将所述剩余寿命百分比变化序列中的第一个剩余寿命百分比作为第一剩余寿命百分比,将所述剩余寿命百分比变化序列中与所述第一剩余寿命百分比相差所述预设数量的剩余寿命百分比作为第二剩余寿命百分比,并将所述第一剩余寿命百分比与所述第二剩余寿命百分比对应的时间之间的差值作为所述目标非易失性存储对应的第一时间消耗数列中的第一个时间消耗数据;
将所述剩余寿命百分比变化序列中与所述第二剩余寿命百分比相差所述预设数量的剩余寿命百分比作为第三剩余寿命百分比,并将所述第二剩余寿命百分比与所述第三剩余寿命百分比对应的时间之间的差值作为所述目标非易失性存储对应的第一时间消耗数列中的第二个时间消耗数据,直到满足预设结束条件,得到所述目标非易失性存储对应的第一时间消耗数列。
在一些具体的实施例中,所述剩余寿命确定模块14,用于:
对所述第二时间消耗数列中的各个数据进行累加得到所述目标非易失性存储的剩余寿命时长。
在一些具体的实施例中,所述预测模块13,用于:
将所述第一时间消耗数列输入预设的prophet模型,并设置所述prophet模型的趋势项为线性,以便所述prophet模型拟合所述第一时间消耗数列,并输出所述目标非易失性存储对应的第二时间消耗数列。
参见图5所示,为本申请实施例提供的一种电子设备20的结构示意图,该电子设备20具体可以包括但不限于平板电脑、笔记本电脑或台式电脑等。
通常,本实施例中的电子设备20包括:处理器21和存储器22。
其中,处理器21可以包括一个或多个处理核心,比如四核心处理器、八核心处理器等。处理器21可以采用DSP(digital signal processing,数字信号处理)、FPGA(field-programmable gate array,现场可编程们阵列)、PLA(programmable logic array,可编程逻辑阵列)中的至少一种硬件来实现。处理器21也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(central processing unit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器21可以集成有GPU(graphics processing unit,图像处理器),GPU用于负责显示屏所需要显示的图像的渲染和绘制。一些实施例中,处理器21可以包括AI(artificialintelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器22可以包括一个或多个计算机可读存储介质,计算机可读存储介质可以是非暂态的。存储器22还可以包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。本实施例中,存储器22至少用于存储以下计算机程序221,其中,该计算机程序被处理器21加载并执行之后,能够实现前述任一实施例中公开的非易失性存储寿命预测方法步骤。
在一些实施例中,电子设备20还可包括有显示屏23、输入输出接口24、通信接口25、传感器26、电源27以及通信总线28。
本技术领域人员可以理解,图5中示出的结构并不构成对电子设备20的限定,可以包括比图示更多或更少的组件。
进一步的,本申请实施例还公开了一种计算机可读存储介质,用于保存计算机程序,其中,所述计算机程序被处理器执行时实现前述任一实施例中公开的非易失性存储寿命预测方法。
其中,关于上述非易失性存储寿命预测方法的具体过程可以参考前述实施例中公开的相应内容,在此不再进行赘述。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
最后,还需要说明的是,在本文中,诸如第一和第二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或者操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得一系列包含其他要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本申请所提供的一种非易失性存储寿命预测方法、装置、设备、介质进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种非易失性存储寿命预测方法,其特征在于,包括:
获取目标非易失性存储在过去预设时长之内的剩余寿命百分比信息,其中,所述剩余寿命百分比信息包括剩余寿命百分比和获取到所述剩余寿命百分比的时间,所述剩余寿命百分比为剩余寿命占总寿命的比例;
基于所述剩余寿命百分比信息确定所述目标非易失性存储对应的第一时间消耗数列,其中,所述第一时间消耗数列中的各个时间消耗数据表示所述剩余寿命百分比每变化预设数量所消耗的时间;
将所述第一时间消耗数列输入预设的prophet模型,以便所述prophet模型输出所述目标非易失性存储对应的第二时间消耗数列,其中,所述第二时间消耗数列中的各个数据表示所述剩余寿命百分比信息中的最低剩余寿命百分比之后,所述剩余寿命百分比每变化所述预设数量所消耗的时间预测值;
基于所述第二时间消耗数列确定所述目标非易失性存储的剩余寿命时长。
2.根据权利要求1所述的非易失性存储寿命预测方法,其特征在于,所述获取目标非易失性存储在过去预设时长之内的剩余寿命百分比信息,包括:
利用smartctl工具获取目标非易失性存储在过去预设时长之内的剩余寿命百分比信息。
3.根据权利要求2所述的非易失性存储寿命预测方法,其特征在于,所述利用smartctl工具获取目标非易失性存储在过去预设时长之内的剩余寿命百分比信息,包括:
按照预设采样间隔利用smartctl工具获取所述目标非易失性存储的S.M.A.R.T.参数信息;
将所述S.M.A.R.T.参数信息中的剩余寿命百分比和获取到所述剩余寿命百分比的时间作为剩余寿命百分比信息,直到获取次数达到预设次数,将每次获取到的剩余寿命百分比信息作为所述目标非易失性存储在过去预设时长之内的剩余寿命百分比信息,其中,所述预设次数基于所述预设采样间隔和所述预设时长确定。
4.根据权利要求1所述的非易失性存储寿命预测方法,其特征在于,所述基于所述剩余寿命百分比信息确定所述目标非易失性存储对应的第一时间消耗数列,包括:
对所述剩余寿命百分比信息中的剩余寿命百分比进行去重处理,并按照从大到小的顺序进行排列,得到剩余寿命百分比变化序列;
将所述剩余寿命百分比变化序列中的第一个剩余寿命百分比作为第一剩余寿命百分比,将所述剩余寿命百分比变化序列中与所述第一剩余寿命百分比相差所述预设数量的剩余寿命百分比作为第二剩余寿命百分比,并将所述第一剩余寿命百分比与所述第二剩余寿命百分比对应的时间之间的差值作为所述目标非易失性存储对应的第一时间消耗数列中的第一个时间消耗数据;
将所述剩余寿命百分比变化序列中与所述第二剩余寿命百分比相差所述预设数量的剩余寿命百分比作为第三剩余寿命百分比,并将所述第二剩余寿命百分比与所述第三剩余寿命百分比对应的时间之间的差值作为所述目标非易失性存储对应的第一时间消耗数列中的第二个时间消耗数据,直到满足预设结束条件,得到所述目标非易失性存储对应的第一时间消耗数列。
5.根据权利要求1所述的非易失性存储寿命预测方法,其特征在于,所述基于所述第二时间消耗数列确定所述目标非易失性存储的剩余寿命时长,包括:
对所述第二时间消耗数列中的各个数据进行累加得到所述目标非易失性存储的剩余寿命时长。
6.根据权利要求1至5任一项所述的非易失性存储寿命预测方法,其特征在于,所述将所述第一时间消耗数列输入预设的prophet模型,以便所述prophet模型输出所述目标非易失性存储对应的第二时间消耗数列,包括:
将所述第一时间消耗数列输入预设的prophet模型,并设置所述prophet模型的趋势项为线性,以便所述prophet模型拟合所述第一时间消耗数列,并输出所述目标非易失性存储对应的第二时间消耗数列。
7.一种非易失性存储寿命预测装置,其特征在于,包括:
信息获取模块,用于获取目标非易失性存储在过去预设时长之内的剩余寿命百分比信息,其中,所述剩余寿命百分比信息包括剩余寿命百分比和获取到所述剩余寿命百分比的时间,所述剩余寿命百分比为剩余寿命占总寿命的比例;
时间消耗确定模块,用于基于所述剩余寿命百分比信息确定所述目标非易失性存储对应的第一时间消耗数列,其中,所述第一时间消耗数列中的各个时间消耗数据表示所述剩余寿命百分比每变化预设数量所消耗的时间;
预测模块,用于将所述第一时间消耗数列输入预设的prophet模型,以便所述prophet模型输出所述目标非易失性存储对应的第二时间消耗数列,其中,所述第二时间消耗数列中的各个数据表示所述剩余寿命百分比信息中的最低剩余寿命百分比之后,所述剩余寿命百分比每变化所述预设数量所消耗的时间预测值;
剩余寿命确定模块,用于基于所述第二时间消耗数列确定所述目标非易失性存储的剩余寿命时长。
8.根据权利要求7所述的非易失性存储寿命预测装置,其特征在于,所述预测模块,用于:
将所述第一时间消耗数列输入预设的prophet模型,并设置所述prophet模型的趋势项为线性,以便所述prophet模型拟合所述第一时间消耗数列,并输出所述目标非易失性存储对应的第二时间消耗数列。
9.一种电子设备,其特征在于,包括:
存储器和处理器;
其中,所述存储器,用于存储计算机程序;
所述处理器,用于执行所述计算机程序,以实现权利要求1至6任一项所述的非易失性存储寿命预测方法。
10.一种计算机可读存储介质,其特征在于,用于保存计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的非易失性存储寿命预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011453276.7A CN112599182A (zh) | 2020-12-11 | 2020-12-11 | 一种非易失性存储寿命预测方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011453276.7A CN112599182A (zh) | 2020-12-11 | 2020-12-11 | 一种非易失性存储寿命预测方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112599182A true CN112599182A (zh) | 2021-04-02 |
Family
ID=75192142
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011453276.7A Withdrawn CN112599182A (zh) | 2020-12-11 | 2020-12-11 | 一种非易失性存储寿命预测方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112599182A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117037887A (zh) * | 2023-10-10 | 2023-11-10 | 苏州元脑智能科技有限公司 | 固态硬盘寿命预测方法及装置 |
CN117637004A (zh) * | 2023-12-05 | 2024-03-01 | 韶关朗科半导体有限公司 | 一种基于测试结果数据的测试指标优化方法 |
-
2020
- 2020-12-11 CN CN202011453276.7A patent/CN112599182A/zh not_active Withdrawn
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117037887A (zh) * | 2023-10-10 | 2023-11-10 | 苏州元脑智能科技有限公司 | 固态硬盘寿命预测方法及装置 |
CN117037887B (zh) * | 2023-10-10 | 2024-01-23 | 苏州元脑智能科技有限公司 | 固态硬盘寿命预测方法及装置 |
CN117637004A (zh) * | 2023-12-05 | 2024-03-01 | 韶关朗科半导体有限公司 | 一种基于测试结果数据的测试指标优化方法 |
CN117637004B (zh) * | 2023-12-05 | 2024-05-17 | 韶关朗科半导体有限公司 | 一种基于测试结果数据的测试指标优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230297243A1 (en) | Method and apparatus for predicting service life of solid-state disk, and computer-readable storage medium | |
US7765123B2 (en) | Indicating which of forecasting models at different aggregation levels has a better forecast quality | |
EP3806008A1 (en) | Model generation device for lifespan prediction, model generation method for lifespan prediction, and storage medium storing model generation program for lifespan prediction | |
CN111176575A (zh) | 基于Prophet模型的SSD寿命预测方法、系统、终端及存储介质 | |
CN112599182A (zh) | 一种非易失性存储寿命预测方法、装置、设备及介质 | |
US9063839B2 (en) | Capacity forecasting for backup storage | |
CN111078123B (zh) | 一种闪存块的磨损程度的评估方法及装置 | |
CN114047887B (zh) | 一种提高数据读取的成功率的方法、装置及介质 | |
US20080250326A1 (en) | User-defined visual indicators on dynamic charts | |
CN109524048A (zh) | 一种ssd盘的寿命预警方法及相关装置 | |
CN111626879A (zh) | 数据预测方法、装置、设备及存储介质 | |
CN113902260A (zh) | 信息预测方法、装置、电子设备和介质 | |
CN112905404B (zh) | 固态硬盘的状态监控方法和装置 | |
CN109102141A (zh) | 一种服务水平评分方法和装置 | |
CN112949932A (zh) | 船舶交通流预测方法、装置、计算机设备及存储介质 | |
WO2018041885A1 (fr) | Dispositif et procede de controle des cycles de rafraichissement des memoires non-volatiles | |
Liang | Optimal proportional reinsurance for controlled risk process which is perturbed by diffusion | |
CN110020744A (zh) | 动态预测方法及其系统 | |
CN115473216A (zh) | 一种改进电网线损计算的方法及系统 | |
CN113886363A (zh) | 历史数据显示方法、装置、计算机设备及存储介质 | |
CN112559282A (zh) | 功耗监测系统、相关方法、装置、处理器及介质 | |
CN112256462A (zh) | NAND Flash存储器的寿命预估方法、装置及介质 | |
CN111400151B (zh) | 一种硬盘剩余寿命的监测方法、监测装置及监测设备 | |
CN111142796A (zh) | 一种ssd寿命预测方法、装置、设备及可读存储介质 | |
CN108920660A (zh) | 关键词权重获取方法、装置、电子设备及可读存储介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210402 |
|
WW01 | Invention patent application withdrawn after publication |