CN115480948A - 硬盘故障预测方法及相关设备 - Google Patents

硬盘故障预测方法及相关设备 Download PDF

Info

Publication number
CN115480948A
CN115480948A CN202211293450.5A CN202211293450A CN115480948A CN 115480948 A CN115480948 A CN 115480948A CN 202211293450 A CN202211293450 A CN 202211293450A CN 115480948 A CN115480948 A CN 115480948A
Authority
CN
China
Prior art keywords
hard disk
target
prediction
smart
failure prediction
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.)
Pending
Application number
CN202211293450.5A
Other languages
English (en)
Inventor
赵超浩
高矗
葛士磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jinan Inspur Data Technology Co Ltd
Original Assignee
Jinan Inspur Data Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jinan Inspur Data Technology Co Ltd filed Critical Jinan Inspur Data Technology Co Ltd
Priority to CN202211293450.5A priority Critical patent/CN115480948A/zh
Publication of CN115480948A publication Critical patent/CN115480948A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/079—Root cause analysis, i.e. error or fault diagnosis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
    • G06F11/0727—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment in a storage system, e.g. in a DASD or network based storage system

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本申请公开了一种硬盘故障预测方法，包括：根据预测指令确定目标硬盘；采集获得所述目标硬盘的SMART参数；在所述SMART参数中筛选获得预设指标类型的目标SMART参数；利用预设预测模型对所述目标SMART参数进行处理，获得所述目标硬盘的故障预测结果。应用本申请所提供的技术方案，相较于传统技术，无需依靠人力操作以及人工经验，可以有效提高硬盘故障预测效率，并保证故障预测结果的准确性。本申请还公开了一种硬盘故障预测装置、电子设备及计算机可读存储介质，同样具有上述技术效果。

Description

硬盘故障预测方法及相关设备
技术领域
本申请涉及存储技术领域，特别涉及一种硬盘故障预测方法，还涉及一种硬盘故障预测装置、电子设备以及计算机可读存储介质。
背景技术
硬盘作为存储数据的主要设备，具有数量大、寿命短的特点，其故障会对数据存储的可靠性带来很大的影响，因此，尽早的预测出硬盘故障对于企业用户来说具有很大的价值。传统的硬盘故障预测方法，多是凭借经验确定出需要检测的特征，并根据采集的特征数据对其故障程度进行预测，但是，通过该方式对硬盘的故障程度进行预测，准确率较低、预测效果较差，且预测效率不高。
因此，如何实现高效且准确的硬盘故障预测是本领域技术人员亟待解决的问题。
发明内容
本申请的目的是提供一种硬盘故障预测方法，该硬盘故障预测方法可以实现高效且准确的硬盘故障预测；本申请的另一目的是提供一种硬盘故障预测装置、电子设备及计算机可读存储介质，均具有上述有益效果。
第一方面，本申请提供了一种硬盘故障预测方法，所述方法包括：
根据预测指令确定目标硬盘；
采集获得所述目标硬盘的SMART参数；
在所述SMART参数中筛选获得预设指标类型的目标SMART参数；
利用预设预测模型对所述目标SMART参数进行处理，获得所述目标硬盘的故障预测结果。
可选地，所述硬盘故障预测方法还包括：
通过数据中心获取SMART参数样本集合；
对于所述SMART参数样本集合中的每一SMART参数样本，在所述SMART参数样本中筛选获得所述预设指标类型的目标SMART参数样本，生成目标SMART参数样本集合；
利用所述目标SMART参数样本集合进行模型训练，获得所述预设预测模型。
可选地，所述通过数据中心获取SMART参数样本集合之后，还包括：
对所述SMART参数样本集合进行预处理，获得预处理后的样本集合；
其中，所述预处理包括缺失值填充操作和/或异常值删除操作。
可选地，所述利用所述目标SMART参数样本集合进行模型训练，获得所述预设预测模型，包括：
结合遗传算法对所述目标SMART参数样本集合进行模型训练，获得所述预设预测模型。
可选地，所述硬盘故障预测方法还包括：
对所述故障预测结果进行统计，获得历史统计信息；
根据所述历史统计信息对所述预设预测模型进行优化，获得优化后的预测模型。
可选地，所述硬盘故障预测方法还包括：
当所述故障预测结果为异常结果时，输出异常报告；
其中，所述异常报告包括所述目标硬盘的硬盘ID、故障预测概率、所述目标硬盘的寿命信息。
可选地，所述硬盘故障预测方法还包括：
当所述故障预测结果为所述异常结果时，输出告警提示。
第二方面，本申请还公开了一种硬盘故障预测装置，包括：
根据预测指令确定目标硬盘；
采集获得所述目标硬盘的SMART参数；
在所述SMART参数中筛选获得预设指标类型的目标SMART参数；
利用预设预测模型对所述目标SMART参数进行处理，获得所述目标硬盘的故障预测结果。
第三方面，本申请还公开了一种电子设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上所述的任一种硬盘故障预测方法的步骤。
第四方面，本申请还公开了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的任一种硬盘故障预测方法的步骤。
本申请提供了一种硬盘故障预测方法，包括根据预测指令确定目标硬盘；采集获得所述目标硬盘的SMART参数；在所述SMART参数中筛选获得预设指标类型的目标SMART参数；利用预设预测模型对所述目标SMART参数进行处理，获得所述目标硬盘的故障预测结果。
应用本申请所提供的技术方案，在对目标硬盘进行故障预测时，首先采集获取目标硬盘中预设指标类型的SMART参数，然后利用预先创建的用于进行故障预测的网络模型进行处理，获得目标硬盘的故障预测结果，从而实现硬盘故障预测，显然，该种实现方式无需依靠人力操作以及人工经验，可以有效提高硬盘故障预测效率，并保证故障预测结果的准确性。
本申请所提供的硬盘故障预测装置、电子设备以及计算机可读存储介质，同样具有上述技术效果，本申请在此不再赘述。
附图说明
为了更清楚地说明现有技术和本申请实施例中的技术方案，下面将对现有技术和本申请实施例描述中需要使用的附图作简要的介绍。当然，下面有关本申请实施例的附图描述的仅仅是本申请中的一部分实施例，对于本领域普通技术人员来说，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，所获得的其他附图也属于本申请的保护范围。
图1为本申请所提供的一种硬盘故障预测方法的流程示意图；
图2为本申请所提供的一种硬盘故障预测装置的结构示意图；
图3为本申请所提供的一种电子设备的结构示意图。
具体实施方式
本申请的核心是提供一种硬盘故障预测方法，该硬盘故障预测方法可以实现高效且准确的硬盘故障预测；本申请的另一核心是提供一种硬盘故障预测装置、电子设备及计算机可读存储介质，均具有上述有益效果。
为了对本申请实施例中的技术方案进行更加清楚、完整地描述，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介绍。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。
硬盘作为存储数据的主要设备，具有数量大、寿命短的特点，其故障会对数据存储的可靠性带来很大的影响，因此，尽早的预测出硬盘故障对于企业用户来说具有很大的价值。传统的硬盘故障预测方法，多是凭借经验确定出需要检测的特征，并根据采集的特征数据对其故障程度进行预测，但是，通过该方式对硬盘的故障程度进行预测，准确率较低、预测效果较差，且预测效率不高。为解决该技术问题，本申请提供了一种硬盘故障预测方法，该硬盘故障预测方法相较于传统技术，无需依靠人力操作以及人工经验，可以有效提高硬盘故障预测效率，并保证故障预测结果的准确性。
本申请实施例提供了一种硬盘故障预测方法。
请参考图1，图1为本申请所提供的一种硬盘故障预测方法的流程示意图，该硬盘故障预测方法可以包括如下S101至S104。
S101：根据预测指令确定目标硬盘；
本步骤旨在实现目标硬盘的确定，该目标硬盘即为需要进行故障预测的硬盘，需要说明的是，本申请所提供的硬盘故障预测方法适用于任意类型的硬盘。具体而言，当接收到预测指令时，可以通过对该预测指令进行解析，获得其中所携带的目标硬盘的相关信息(如目标硬盘的ID信息)，进而根据这些相关信息确定目标硬盘。
其中，预测指令可以由技术人员通过前端发起，并且，在发起预测指令时预先将目标硬盘的相关信息添加至该预测指令内，以便于实现目标硬盘的确定；预测指令也可以是在接入目标硬盘时自动响应，并且，在监测到有目标硬盘插入时可以自动采集目标硬盘的相关信息，并将其附加于预测指令，以便于实现目标硬盘的确定。有基于此，对于预测指令的获取方式，本申请不做限定。
S102：采集获得目标硬盘的SMART(Self-Monitoring，Analysis and ReportingTechnology，自我监控、分析和报告技术)参数；
本步骤旨在实现目标硬盘内SMART参数的采集。具体而言，在确定目标硬盘之后，即可对其进行数据采集，获得SMART参数，在硬盘运行过程中直接进行数据采集即可。其中，SMART参数本身是为了提高硬盘数据的安全性而开发的，其可以相对客观的反映硬盘的健康状况。
S103：在SMART参数中筛选获得预设指标类型的目标SMART参数；
本步骤旨在实现SMART参数筛选，获得预设指标类型的SMART参数，即上述目标SMART参数。可以理解的是，SMART参数中包括有多种不同类型的指标，此处，对SMART参数进行筛选，旨在筛选出与硬盘故障预测相关的指标类型的SMART参数，以便于基于筛选到的SMART参数进行硬盘故障预测，因此，上述预设指标类型具体是指与硬盘预测相关的指标类型。可以想到的是，通过对SMART参数进行筛选，可以剔除掉与硬盘故障预测无关或者相关性较小的SMART参数，缩减数据处理量，提高数据处理效率，也即提高硬盘故障预测效率。
在一种可能的实现方式中，预设指标类型的SMART参数可以包括下述几种类型：
SMART5：再分配扇区的总数；
SMART12：电源循环；
SMART187：报告无法纠正的错误；
SMART188：命令超时；
SMART194：硬盘驱动器温度；
SMART196：重映射操作数；
SMART197：当前挂起的扇区计数；
SMART198：无法校正的扇区计。
S104：利用预设预测模型对目标SMART参数进行处理，获得目标硬盘的故障预测结果。
本步骤旨在实现基于预设预测模型的故障预测，获得关于目标硬盘的故障预测结果。具体而言，在筛选获得目标SMART参数之后，即可调取预设预测模型，并将目标SMART参数输入至该预设预测模型，由预设预测模型对目标SMART参数进行处理，模型的输出结果即为关于目标硬盘的故障预测结果，该故障预测结果可以分为目标硬盘无故障或者即将发生故障。更进一步地，在获得故障预测结果之后，可以输出相应的提示信息，以告知技术人员目标硬盘的故障预测结果，便于技术人员根据该故障预测结果对目标硬盘进行对应的运维处理。
其中，预设预测模型是预先创建的用于进行硬盘故障预测的模型，可以由实现硬盘故障预测方法的执行主体进行模型构建，也可以通过第三方设备进行模型构建，其生成方式并不影响本技术方案的实施，本申请对此不做限定。在获得预设预测模型之后，可以将其存储于相应的存储空间，在使用时直接调用即可。
可见，本申请实施例所提供的硬盘故障预测方法，在对目标硬盘进行故障预测时，首先采集获取目标硬盘中预设指标类型的SMART参数，然后利用预先创建的用于进行故障预测的网络模型进行处理，获得目标硬盘的故障预测结果，从而实现硬盘故障预测，显然，该种实现方式无需依靠人力操作以及人工经验，可以有效提高硬盘故障预测效率，并保证故障预测结果的准确性。
在上述实施例的基础上：
在本申请的一个实施例中，该硬盘故障预测方法还可以包括如下步骤：
通过数据中心获取SMART参数样本集合；
对于SMART参数样本集合中的每一SMART参数样本，在SMART参数样本中筛选获得预设指标类型的目标SMART参数样本，生成目标SMART参数样本集合；
利用目标SMART参数样本集合进行模型训练，获得预设预测模型。
本申请实施例提供了一种预设预测模型的构建方法，以便于基于该预设预测模型实现硬盘故障预测。在实现过程中，首先采集获得用于进行模型训练的样本数据，即上述SMART参数样本集合，该SMART参数样本集合中包括有大量的SMART参数样本，可以通过数据中心对不同的硬盘进行一定时间的数据监控采集获得；进一步，对SMART参数样本集合中的各个SMART参数样本进行筛选，该实现过程类似于上述目标SMART参数的筛选方式，对于每一个SMART参数样本，均是筛选上述预设指标类型的SMART参数样本，即上述目标SMART参数样本，同样的，该目标SMART参数样本则是与硬盘故障预测相关性较高的SMART参数样本，由此，在对每一个SMART参数样本筛选完成后，所有的目标SMART参数样本组合为目标SMART参数样本集合；最后，利用该目标SMART参数样本集合进行模型训练，即可获得用于进行硬盘故障预测的预设预测模型。
在本申请的一个实施例中，上述通过数据中心获取SMART参数样本集合之后，还可以包括如下步骤：
对SMART参数样本集合进行预处理，获得预处理后的样本集合；
其中，预处理包括缺失值填充操作和/或异常值删除操作。
本申请实施例所提供的硬盘故障预测方法还可以在模型训练过程中进一步实现样本数据的预处理。可以理解的是，为进一步提高模型精度，获得具有更高准确性的预设预测模型，在从数据中心获得SMART参数样本集合之后，对其中的SMART参数样本进行样本筛选之前，可以先对该SMART参数样本集合进行预处理操作，获得具有更高准确性的SMART参数样本集合，即上述预处理后的样本集合。
其中，预处理操作包括缺失值填充操作和/或异常值删除操作。可以理解的是，在数据采集过程中，可能存在某些数据缺失的情况，因此，可以根据历史经验对该缺失值进行填充；对于采集到的数据，可能存在异常值，此时，这可以将其进行删除。
进一步，为便于执行上述预处理操作，在从数据中心获得SMART参数样本集合之后，可以先以CSV(Comma-Separated Values，逗号分隔值)格式或者电子表格格式对其进行存储，然后对其执行预处理操作。可以理解的是，以表格的形式进行数据存储更加直观，更加方便进行数据的预处理操作。
在本申请的一个实施例中，上述利用目标SMART参数样本集合进行模型训练，获得预设预测模型，可以包括如下步骤：
结合遗传算法对目标SMART参数样本集合进行模型训练，获得预设预测模型。
本申请实施例提供了一种具体类型的预设预测模型，即基于遗传算法的预设预测模型，因此，在模型训练过程中，则可以结合遗传算法对目标SMART参数样本集合进行模型训练，获得预设预测模型。其中，遗传算法是一类借鉴生物界的进化规律(适者生存，优胜劣汰遗传机制)演化而来的随机化搜索方法，是计算数学中用于解决最佳化的搜索算法。
在本申请的一个实施例中，该硬盘故障预测方法还可以包括如下步骤：
对故障预测结果进行统计，获得历史统计信息；
根据历史统计信息对预设预测模型进行优化，获得优化后的预测模型。
本申请实施例所提供的硬盘故障预测方法，还可以进一步实现模型优化功能，以便于获得具有更高模型精度的预设预测模型，从而进一步提高硬盘故障预测结果的准确性。
在实现过程中，在基于预设预测模型获得故障预测结果之后，可以对该故障预测结果进行统计，获得历史统计信息，此处，历史统计信息则是每一次进行硬盘故障预测之后所获得的故障预测结果，可以是针对不同硬盘的故障预测结果，也可以是针对同一硬盘不同时间节点的故障预测结果；进一步，当历史统计信息中故障预测结果的数量达到一定条件后，即可基于该历史统计信息对预设预测模型进行优化处理，获得新的预设预测模型，即上述优化后的预测模型。
在本申请的一个实施例中，该硬盘故障预测方法还可以包括如下步骤：
当故障预测结果为异常结果时，输出异常报告；
其中，异常报告包括目标硬盘的硬盘ID、故障预测概率、目标硬盘的寿命信息。
本申请实施例所提供的硬盘故障预测方法，还可以进一步实现异常报告的生成，便于技术人员根据异常报告对目标硬盘进行维护处理。如上所述，故障预测结果可以分为目标硬盘无故障或者即将发生故障，其中，目标硬盘即将发生故障即为异常结果，当故障预测结果为异常结果时，可以进一步输出异常报告。
进一步，为方便技术人员对即将可能发生故障的目标硬盘进行维护处理，上述异常报告中所包含的内容可以包括但不限于目标硬盘的硬盘ID、故障预测概率(故障可能发生的概率)、目标硬盘的寿命信息(硬盘即将发生故障的时长)等。
在本申请的一个实施例中，该硬盘故障预测方法还可以包括如下步骤：
当故障预测结果为异常结果时，输出告警提示。
本申请实施例所提供的硬盘故障预测方法，还可以进一步实现异常告警功能。具体而言，当故障预测结果为异常结果时，即可输出告警提示，并且，还可以针对不同严重程度的硬盘故障发出不同形式的告警提示。其中，告警提示的方式并不唯一，例如，可以为语音提示、指示灯提示等，本申请对此不做限定。
在上述各实施例的基础上，本申请实施例提供了另一种硬盘故障预测方法。本申请实施例所提供的故障预测方法的实现流程如下：
(1)从数据中心获取样本数据，并对其进行预处理：
通过数据中心对硬盘进行监控，采集获得各个SMART参数样本，并以CSV格式或电子表格格式对其进行存储；在表格中，对未填充的值进行填充，对异常值或无关数据进行删除。
(2)选择合适的SMART参数样本：
参照历史经验和业内测试方法，在所有的SMART参数样本中选择预设指标类型的SMART参数样本，该类样本数据与硬盘故障预测具有较高的相关性。
(3)预设预测模型生成：
利用筛选获得的SMART参数样本，结合遗传算法进行模型训练，在训练过程中，可以通过改变迭代次数、算子类型、交叉概率、变异概率等参数来训练获得误差最小(精度最高)的预设预测模型。
(4)硬盘故障预测：
对目标硬盘进行故障预测时，先采集获取该目标硬盘中预设指标类型的SMART参数，然后将其输入至预设预测模型进行处理，预设预测模型的输出即为目标硬盘的故障预测结果。
(5)异常告警：
当故障预测结果为目标硬盘即将发生故障时，可以向管理员输出告警信息及其异常报告，异常报告可以包括目标硬盘的ID信息、发生故障的概率、硬盘即将故障的天数等。
可见，本申请实施例所提供的硬盘预测方法，在对目标硬盘进行故障预测时，首先采集获取目标硬盘中预设指标类型的SMART参数，然后利用预先创建的用于进行故障预测的网络模型进行处理，获得目标硬盘的故障预测结果，从而实现硬盘故障预测，显然，该种实现方式无需依靠人力操作以及人工经验，可以有效提高硬盘故障预测效率，并保证故障预测结果的准确性。
本申请实施例提供了一种硬盘故障预测装置。
请参考图2，图2为本申请所提供的一种硬盘故障预测装置的结构示意图，该硬盘故障预测装置可以包括：
确定模块1，用于根据预测指令确定目标硬盘；
采集模块2，用于采集获得目标硬盘的SMART参数；
筛选模块3，用于在SMART参数中筛选获得预设指标类型的目标SMART参数；
预测模块4，用于利用预设预测模型对目标SMART参数进行处理，获得目标硬盘的故障预测结果。
可见，本申请实施例所提供的硬盘故障预测装置，在对目标硬盘进行故障预测时，首先采集获取目标硬盘中预设指标类型的SMART参数，然后利用预先创建的用于进行故障预测的网络模型进行处理，获得目标硬盘的故障预测结果，从而实现硬盘故障预测，显然，该种实现方式无需依靠人力操作以及人工经验，可以有效提高硬盘故障预测效率，并保证故障预测结果的准确性。
在本申请的一个实施例中，该硬盘故障预测装置还可以包括模型构建模块，该模型构建模块可包括：
获取单元，用于通过数据中心获取SMART参数样本集合；
筛选单元，用于对于SMART参数样本集合中的每一SMART参数样本，在SMART参数样本中筛选获得预设指标类型的目标SMART参数样本，生成目标SMART参数样本集合；
训练单元，用于利用目标SMART参数样本集合进行模型训练，获得预设预测模型。
在本申请的一个实施例中，上述模型构建模块还可以包括预处理单元，用于在上述通过数据中心获取SMART参数样本集合之后，对SMART参数样本集合进行预处理，获得预处理后的样本集合；其中，预处理包括缺失值填充操作和/或异常值删除操作。
在本申请的一个实施例中，上述训练单元可具体用于结合遗传算法对目标SMART参数样本集合进行模型训练，获得预设预测模型。
在本申请的一个实施例中，该硬盘故障预测装置还可以包括模型优化模块，用于对故障预测结果进行统计，获得历史统计信息；根据历史统计信息对预设预测模型进行优化，获得优化后的预测模型。
在本申请的一个实施例中，该硬盘故障预测装置还可以包括报告模块，用于当故障预测结果为异常结果时，输出异常报告；其中，异常报告包括目标硬盘的硬盘ID、故障预测概率、目标硬盘的寿命信息。
在本申请的一个实施例中，该硬盘故障预测装置还可以包括告警模块，用于当故障预测结果为异常结果时，输出告警提示。
对于本申请实施例提供的装置的介绍请参照上述方法实施例，本申请在此不做赘述。
本申请实施例提供了一种电子设备。
请参考图3，图3为本申请所提供的一种电子设备的结构示意图，该电子设备可包括：
存储器，用于存储计算机程序；
处理器，用于执行计算机程序时可实现如上述任意一种硬盘故障预测方法的步骤。
如图3所示，为电子设备的组成结构示意图，电子设备可以包括：处理器10、存储器11、通信接口12和通信总线13。处理器10、存储器11、通信接口12均通过通信总线13完成相互间的通信。
在本申请实施例中，处理器10可以为中央处理器(Central Processing Unit，CPU)、特定应用集成电路、数字信号处理器、现场可编程门阵列或者其他可编程逻辑器件等。
处理器10可以调用存储器11中存储的程序，具体的，处理器10可以执行硬盘故障预测方法的实施例中的操作。
存储器11中用于存放一个或者一个以上程序，程序可以包括程序代码，程序代码包括计算机操作指令，在本申请实施例中，存储器11中至少存储有用于实现以下功能的程序：
根据预测指令确定目标硬盘；
采集获得目标硬盘的SMART参数；
在SMART参数中筛选获得预设指标类型的目标SMART参数；
利用预设预测模型对目标SMART参数进行处理，获得目标硬盘的故障预测结果。
在一种可能的实现方式中，存储器11可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统，以及至少一个功能所需的应用程序等；存储数据区可存储使用过程中所创建的数据。
此外，存储器11可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件或其他易失性固态存储器件。
通信接口12可以为通信模块的接口，用于与其他设备或者系统连接。
当然，需要说明的是，图3所示的结构并不构成对本申请实施例中电子设备的限定，在实际应用中电子设备可以包括比图3所示的更多或更少的部件，或者组合某些部件。
本申请实施例提供了一种计算机可读存储介质。
本申请实施例所提供的计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时可实现如上述任意一种硬盘故障预测方法的步骤。
该计算机可读存储介质可以包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
对于本申请实施例提供的计算机可读存储介质的介绍请参照上述方法实施例，本申请在此不做赘述。
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他实施例的不同之处，各个实施例之间相同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。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
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。
以上对本申请所提供的技术方案进行了详细介绍。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。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请的保护范围内。

Claims (10)

1.一种硬盘故障预测方法，其特征在于，包括：
根据预测指令确定目标硬盘；
采集获得所述目标硬盘的SMART参数；
在所述SMART参数中筛选获得预设指标类型的目标SMART参数；
利用预设预测模型对所述目标SMART参数进行处理，获得所述目标硬盘的故障预测结果。
2.根据权利要求1所述的硬盘故障预测方法，其特征在于，还包括：
通过数据中心获取SMART参数样本集合；
对于所述SMART参数样本集合中的每一SMART参数样本，在所述SMART参数样本中筛选获得所述预设指标类型的目标SMART参数样本，生成目标SMART参数样本集合；
利用所述目标SMART参数样本集合进行模型训练，获得所述预设预测模型。
3.根据权利要求2所述的硬盘故障预测方法，其特征在于，所述通过数据中心获取SMART参数样本集合之后，还包括：
对所述SMART参数样本集合进行预处理，获得预处理后的样本集合；
其中，所述预处理包括缺失值填充操作和/或异常值删除操作。
4.根据权利要求2所述的硬盘故障预测方法，其特征在于，所述利用所述目标SMART参数样本集合进行模型训练，获得所述预设预测模型，包括：
结合遗传算法对所述目标SMART参数样本集合进行模型训练，获得所述预设预测模型。
5.根据权利要求2所述的硬盘故障预测方法，其特征在于，还包括：
对所述故障预测结果进行统计，获得历史统计信息；
根据所述历史统计信息对所述预设预测模型进行优化，获得优化后的预测模型。
6.根据权利要求1至5任一项所述的硬盘故障预测方法，其特征在于，还包括：
当所述故障预测结果为异常结果时，输出异常报告；
其中，所述异常报告包括所述目标硬盘的硬盘ID、故障预测概率、所述目标硬盘的寿命信息。
7.根据权利要求6所述的硬盘故障预测方法，其特征在于，还包括：
当所述故障预测结果为所述异常结果时，输出告警提示。
8.一种硬盘故障预测装置，其特征在于，包括：
确定模块，用于根据预测指令确定目标硬盘；
采集模块，用于采集获得所述目标硬盘的SMART参数；
筛选模块，用于在所述SMART参数中筛选获得预设指标类型的目标SMART参数；
预测模块，用于利用预设预测模型对所述目标SMART参数进行处理，获得所述目标硬盘的故障预测结果。
9.一种电子设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至7任一项所述的硬盘故障预测方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的硬盘故障预测方法的步骤。
CN202211293450.5A 2022-10-21 2022-10-21 硬盘故障预测方法及相关设备 Pending CN115480948A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211293450.5A CN115480948A (zh) 2022-10-21 2022-10-21 硬盘故障预测方法及相关设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211293450.5A CN115480948A (zh) 2022-10-21 2022-10-21 硬盘故障预测方法及相关设备

Publications (1)

Publication Number Publication Date
CN115480948A true CN115480948A (zh) 2022-12-16

Family

ID=84395885

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211293450.5A Pending CN115480948A (zh) 2022-10-21 2022-10-21 硬盘故障预测方法及相关设备

Country Status (1)

Country Link
CN (1) CN115480948A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117421145A (zh) * 2023-12-18 2024-01-19 苏州元脑智能科技有限公司 一种异构硬盘系统故障预警方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117421145A (zh) * 2023-12-18 2024-01-19 苏州元脑智能科技有限公司 一种异构硬盘系统故障预警方法及装置
CN117421145B (zh) * 2023-12-18 2024-03-01 苏州元脑智能科技有限公司 一种异构硬盘系统故障预警方法及装置

Similar Documents

Publication Publication Date Title
US10223190B2 (en) Identification of storage system elements causing performance degradation
CN103578568B (zh) 固态硬盘的性能测试方法及装置
CN110659173A (zh) 一种运维系统及方法
CN105376335B (zh) 一种采集数据上传方法和装置
CN112214369A (zh) 基于模型融合的硬盘故障预测模型建立方法及其应用
CN111108481B (zh) 故障分析方法及相关设备
CN114943321A (zh) 一种针对硬盘的故障预测方法、装置及设备
WO2022116922A1 (zh) 磁盘失效预测方法、预测模型训练方法、电子设备
CN109726830A (zh) 设备巡检方法、装置、电子设备及存储介质
CN115480948A (zh) 硬盘故障预测方法及相关设备
CN111240876A (zh) 微服务的故障定位方法、装置、存储介质及终端
CN110647417B (zh) 能源互联网异常数据处理方法、装置及系统
CN116204385A (zh) 一种计算机日志监控方法及系统
CN116149926A (zh) 业务指标的异常监测方法、装置、设备及存储介质
CN109818808B (zh) 故障诊断方法、装置和电子设备
CN116306806A (zh) 故障诊断模型确定方法、装置及非易失性存储介质
CN111091863A (zh) 一种存储设备故障检测方法及相关装置
CN115248782B (zh) 一种自动化测试方法、装置及计算机设备
CN116820821A (zh) 磁盘故障检测方法、装置、电子设备及计算机可读存储介质
CN115543671A (zh) 数据分析方法、装置、设备、存储介质及程序产品
CN111312326A (zh) 闪存寿命测试方法、装置、电力采集终端及存储介质
CN114297453B (zh) 告警预测方法、装置、电子设备及存储介质
CN113722135A (zh) 一种错误日志采集系统、方法、设备及介质
CN111694752A (zh) 应用测试方法、电子设备及存储介质
CN112069014A (zh) 一种存储系统故障模拟方法、装置、设备和介质

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