TWI818463B - 硬碟效能問題分類模型的建立方法、硬碟效能問題分析方法及硬碟效能問題分類模型建立系統 - Google Patents
硬碟效能問題分類模型的建立方法、硬碟效能問題分析方法及硬碟效能問題分類模型建立系統 Download PDFInfo
- Publication number
- TWI818463B TWI818463B TW111108512A TW111108512A TWI818463B TW I818463 B TWI818463 B TW I818463B TW 111108512 A TW111108512 A TW 111108512A TW 111108512 A TW111108512 A TW 111108512A TW I818463 B TWI818463 B TW I818463B
- Authority
- TW
- Taiwan
- Prior art keywords
- hard disk
- measurement data
- classification model
- disk performance
- vibration parameters
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000003066 decision tree Methods 0.000 claims abstract description 28
- 238000005259 measurement Methods 0.000 claims description 80
- 238000013145 classification model Methods 0.000 claims description 67
- 238000004458 analytical method Methods 0.000 claims description 53
- 230000001133 acceleration Effects 0.000 claims description 31
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000002790 cross-validation Methods 0.000 claims description 2
- 238000010276 construction Methods 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 3
- 230000015556 catabolic process Effects 0.000 description 11
- 238000006731 degradation reaction Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 6
- 230000007423 decrease Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000013138 pruning Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Debugging And Monitoring (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
一種硬碟效能問題分類模型的建立方法，其包括供一分析裝置執行：取得多個單體硬碟的多筆量測資料，每一筆量測資料包含多個振動參數；基於多個預設條件二值化這些量測資料，這些預設條件分別對應於這些振動參數；基於經二值化的這些量測資料及決策樹演算法，取得硬碟效能問題分類模型。
Description
本發明關於一種分類模型的建立方法，特別是關於一種硬碟效能問題分類模型的建立方法。
隨著網際網路的發達，資訊處理量越來越大，伺服器需要的數目也越來越多。若伺服器的效能降低時，影響整個網路的資料傳輸，可能造成遊戲當機、電子郵件無法正常傳輸或視訊會議的中斷，如何改善伺服器的效能降低變為一個重要的課題。
一般而言，伺服器的效能與硬碟效能是相關的，伺服器的效能會受硬碟效能所影響；若硬碟的效能下降，伺服器的效能也隨之下降。工程師往往利用人力逐步分析方式在伺服器內部尋找硬碟效能下降原因，經常發生無法找到影響硬碟效能的根本原因，以至於無法對症下藥解決硬碟效能下降的問題。
根據前述，本發明提供一種硬碟效能問題分類模型的建立方法、硬碟效能問題分析方法及硬碟效能問題分類模型建立系統，以尋找出硬碟效能的根本原因。
依據本發明的一實施例的硬碟效能問題分類模型的建立方法，其包含供分析裝置執行：取得多個單體硬碟的多筆量測資料，每一該些量測資料包含多個振動參數；基於多個預設條件二值化這些量測資料，這些預設條件分別對應於這些振動參數；基於經二值化的這些量測資料及決策樹演算法，取得硬碟效能問題分類模型。
依據本發明的一實施例的一種硬碟效能問題分析方法，包含：以電腦系統，將異常的伺服器硬碟的量測資料輸入前述的硬碟效能問題分類模型，以取得分類結果；其中分類結果指示多個問題因子間的排序，且這些問題因子關聯於多個振動參數中的多者。
依據本發明的一實施例的一種硬碟效能問題分類模型建立系統，其包含多個振動參數感測器和分析裝置。多個振動參數感測器用於量測多個單體硬碟中的每一者的多個振動參數的多個數值。分析裝置連接於多個振動參數感測器並用於取得多個單體硬碟的多筆量測資料，分析裝置基於多個預設條件二值化多筆量測資料，多個預設條件分別對應於多個振動參數，分析裝置基於經二值化的多筆量測資料及決策樹演算法，取得硬碟效能問題分類模型，其中每一個量測資料包含多個單體硬碟中的對應者的多個振動參數的多個數值。
綜上所述，本發明之硬碟效能問題分類模型的建立方法及硬碟效能問題分類模型建立系統，將多筆量測資料進行二值化，並結合決策樹演算法，可以快速地建立分類準確度高的決策樹來作為硬碟效能問題分類模型，且由於係以單體硬碟的振動量測資料作為訓練資料，對所建立之決策樹進行剪枝的需求不高。另外，本發明之硬碟效能問題分析方法，將伺服儲存系統內部有問題之硬碟的量測資料輸入上述硬碟效能問題分類模型，可以良好地推測硬碟效能降低的主要原因。
以下在實施方式中詳細敘述本發明之詳細特徵以及優點，其內容足以使任何熟習相關技藝者了解本發明之技術內容並據以實施，且根據本說明書所揭露之內容、申請專利範圍及圖式，任何熟習相關技藝者可輕易地理解本發明相關之目的及優點。以下之實施例係進一步詳細說明本發明之觀點，但非以任何觀點限制本發明之範疇。
應當理解的是，儘管術語「第一」、「第二」等在本發明中可用於描述各種元件、部件、區域、層及/或部分，但是這些元件、部件、區域、層及/或部分不應受這些術語的限制。這些術語僅用於將一個元件、部件、區域、層及/或部分與另一個元件、部件、區域、層及/或部分區分開。
另外，術語「包括」及/或「包含」指所述特徵、區域、整體、步驟、操作、元件及/或部件的存在，但不排除一個或多個其他特徵、區域、整體、步驟、操作、元件、部件及/或其組合的存在或添加。
請參閱圖1，其為依據本發明一實施例所繪示的硬碟效能問題分類模型建立系統的功能方塊圖。如圖1所示，硬碟效能問題分類模型建立系統1包括多個振動參數感測器11以及分析裝置12，其中分析裝置12連接於這些振動參數感測器11。
所述多個振動參數感測器11用於量測多個單體硬碟(單碟)中的每一者的多個振動參數的多個數值。進一步來說，所述多個振動參數感測器11可以包括三軸加速度計111、音壓計112以及共振頻率分析儀113中的至少二者。三軸加速度計111用於量測多個單體硬碟的加速度數值和角加速度數值。音壓計112用於量測多個單體硬碟的音壓數值。共振頻率分析儀113可以硬碟I/O效能評測工具(IOMeter)或頻譜分析儀實現，用於分析多個單體硬碟的共振頻率數值。也就是說，所述多個振動參數可以包括加速度、角加速度、音壓和共振頻率中的至少二者。
分析裝置12可以為微控制器、圖形處理器或其他具有處理資料功能及儲存功能的電子裝置，而未侷限於本發明所列舉的範圍。分析裝置12用於取得所述多個單體硬碟的多筆量測資料，其中每一筆量測資料包括所述多個單體硬碟中的對應者的多個振動參數的多個數值，即前述多個振動參數感測器11所測得之振動參數數值。分析裝置12基於多個預設條件二值化上述多筆量測資料，並基於經二值化的量測資料及決策樹演算法取得硬碟效能問題分類模型。
在一實施態樣中，多個振動感測器11和分析裝置12 整合為一個電子設備。在另一個實施態樣中，多個振動感測器11和分析裝置12為獨立設置，且分析裝置12可以設置於邊緣端或雲端並通訊連接所述多個振動感測器11。
請一併參閱圖1及2，其中依據本發明一實施例所繪示的硬碟效能問題分類模型建立方法的流程圖。如圖2所示，硬碟效能問題分類模型建立方法包括步驟S1~步驟S3。圖2所示的硬碟效能問題分類模型建立方法可適用於圖1所示的硬碟效能問題分類模型建立系統1，但不以此為限。以下示例性地以圖1所示硬碟效能問題分類模型建立系統1之運作來說明步驟S1~步驟S3。
步驟S1：以分析裝置12取得多個單體硬碟的多筆量測資料，每筆量測資料包含多個振動參數的多個數值。如前所述，分析裝置12可以從多個振動感測器11取得其對各單體硬碟進行量測而得的多個振動參數的數值。於一實施態樣中，分析裝置12可以控制所述多個振動感測器11對各單體硬碟進行量測並回傳量測結果。於另一實施態樣中，所述多個振動感測器11可以受使用者或其他控制裝置控制以對各單體硬碟進行量測，再將量測結果傳送至分析裝置12。
具體而言，三軸加速度計111可以受控以偵測每個單體硬碟的在x軸方向、y軸方向及z軸方向的加速度數值及角加速度數值，特別係x軸方向的加速度及z軸方向的角加速度數值，並將偵測結果傳送至分析裝置12。舉例來說，單體硬碟的結構為一個長方體，x軸方向為平行於長方體的短邊方向，y軸方向為平行於長方體的長邊方向，z軸為平行於長方體的高度方向，但不以此為限。音壓計112可以受控以偵測每個單體硬碟的音壓數值，特別係單體硬碟滿轉時的音壓數值，並將偵測結果傳送至分析裝置12。共振頻率分析儀113可以受控以對每個單體硬碟進行掃頻以取得共振頻率數值，其中掃頻範圍例如為50Hz~2000Hz。或者，使用者可以透過連接於分析裝置12的使用者介面設定共振頻率數值為300Hz或900Hz。
步驟S2：以分析裝置12基於多個預設條件二值化多筆量測資料，多個預設條件分別對應於多個振動參數。舉例來說，多個預設條件分別為加速度數值是否大於第一臨界值、角加速度數值是否大於第二臨界值、音壓數值是否大於第三臨界值以及共振頻率是否大於第四臨界值。若分析裝置12判斷某單體硬碟之量測資料的加速度的數值大於第一臨界值，分析裝置12將該數值設定為1，反之則設定為0；若分析裝置12判斷某單體硬碟之量測資料的角速度的數值大於第二臨界值，分析裝置12將該數值設定為1，反之則設定為0；若分析裝置12判斷某單體硬碟之量測資料的音壓值的數值大於第三臨界值，分析裝置12將該數值設定為1，反之則設定為0；若分析裝置12判斷某單體硬碟之量測資料的共振頻率的數值近似於或等於第四臨界值，分析裝置12將該數值設定為1，反之則設定為0。進一步來說，第一臨界值至第四臨界值為預設值，其實際數值可以由使用者依經驗或統計而得之異常單體硬碟的振動參數之數值範圍來設定，例如係對應於效能不佳的單體硬碟的振動參數之數值範圍，或可稱為失效條件(fail condition)。
所謂失效條件為單體硬碟在特定情況下失效或效能不佳的狀況，舉一個例子來說，針對容量為1TB和2TB的硬碟，對應於角加速度的第二臨界值設定為9rad/s
2，對應於音壓的第三臨界值設定為114dB，對應於共振頻率的第四臨界值設定為300Hz/900Hz。針對容量為10TB的硬碟，對應於加速度的第一臨界值設定為0.2m/s
2，對應於角加速度的第二臨界值設定為6rad/s
2，對應於音壓的第三臨界值設定為108dB，對應於共振頻率的第四臨界值設定為300Hz/900Hz。其中，第四臨界值特別係伺服器機殼與風扇的共振頻率。其中步驟S2具體的做法還包括以程式判斷多筆量測資料與失效條件之間的關係，以二值化多筆量測資料。
步驟S3：以分析裝置12基於經二值化的所述多筆量測資料及決策樹演算法，取得硬碟效能問題分類模型。其中，決策樹演算法特別為ID3演算法。進一步來說，分析裝置12所執行的決策樹演算法可以熵(entropy)及信息增益(information gain)中的一或二者作為衡量特徵重要程度的指標。另外，分析裝置12可以例如透過使用者介面、通訊介面自外部接收由專業人員給定之影響硬碟最劇烈之主要特徵。於一實施態樣中，分析裝置12利用決策樹演算法對經二值化的所有量測資料進行二分法以建立決策樹，對決策樹執行有效驗證以確保模型有良好的學習能力，並將經驗證的決策樹作為硬碟效能問題分類模型。於另一實施態樣中，分析裝置12所執行之取得硬碟效能問題分類模型包含執行k折交叉驗證。進一步來說，分析裝置12將經二值化的所有量測資料分為k個子集，輪流以k個子集中的每一者作為驗證子集且以剩餘者作為訓練子集。其中k特別為8。
以下示例性地說明步驟S3所執行之決策樹演算法，請參閱圖1及圖3，其中圖3為依據本發明一實施例所繪示的取得硬碟效能問題分類模型的詳細步驟的流程圖。如圖3所示，步驟S3可以包括步驟S31~步驟S36，步驟S31~步驟S36由分析裝置12執行。
步驟S31：基於熵及信息增益中的一或二者，決定第1決策點，以將經二值化的該些量測資料中的至少一部分分成二個量測資料組，其中第1決策點關聯於所述多個振動參數中之一者。其中，被第1決策點分為兩組的資料母體可以為經二值化的所有量測資料，或是經二值化且被分為k個子集的量測資料中的（k-1）個子集。熵及信息增益的計算式及判別閾值可依實際需求所設計，本發明不予限制。
步驟S32：定義i值為正整數且起始值為2。
步驟S33：基於熵及信息增益中的一或二者，決定第i決策點，以將經第（i-1）決策點分類的二個量測資料組中之一者分成另二個量測資料組，其中第i決策點關聯於這些振動參數中之另一者。
步驟S34：判斷i值是否等於這些振動參數的數量，其中這些振動參數的數量大於或等於2。若判斷i值不等於這些振動參數的數量，執行步驟S35：將i值加1，並再次執行步驟S33；若判斷i值等於這些振動參數的數量，執行步驟S36：基於第1決策點及執行一或多次的分類運算的結果組成硬碟效能問題分類模型。
請參閱圖1及圖4，其中圖4為依據本發明一實施例所繪示的決策樹演算法的二元樹圖。分析裝置12可以上列實施例所述之方法建立如圖4所示的決策樹以作為硬碟效能問題分類模型，其中振動參數的數量為4。決策樹可以包含第1至第4決策點D1~D4及類別C1~C5，其中決策點D1~D4分別關聯於不同振動參數，且類別C1~C4分別關聯於與決策點D1~D4相同的振動參數，而類別C5指示不與所述4個振動參數中之任一者相關。進一步來說，決策點D1~D4各以關聯於對應之振動參數的條件來對資料進料進行分類，其中所述條件指示對應之振動參數為硬碟效能降低的主要原因之機率範圍。
舉例來說，決策點D1~D4分別關聯於共振頻率、音壓、加速度及角加速度；決策點D1以分類條件c11「共振頻率為硬碟效能降低的主要原因之機率小於0.5」及分類條件c12「共振頻率為硬碟效能降低的主要原因之機率大於或等於0.5」將資料分至決策點D2或類別C1，其中類別C1指示硬碟效能降低的主要原因為頻率問題；決策點D2以分類條件c21「音壓為硬碟效能降低的主要原因之機率小於0.5」及分類條件c22「音壓硬碟效能降低的主要原因之機率大於或等於0.5」將資料分至決策點D3或類別C2，其中類別C2指示硬碟效能降低的主要原因為音壓問題；決策點D3以分類條件c31「加速度為硬碟效能降低的主要原因之機率小於0.5」及分類條件c32「加速度為硬碟效能降低的主要原因之機率大於或等於0.5」將資料分至決策點D4或類別C3，其中類別C1指示硬碟效能降低的主要原因為加速度問題；決策點D4以分類條件c41「角加速度為硬碟效能降低的主要原因之機率小於0.5」及分類條件c42「角加速度為硬碟效能降低的主要原因之機率大於或等於0.5」將資料分至類別C4或類別C5，其中類別C4指示硬碟效能降低的主要原因為轉動問題，而類別C5指示硬碟效能降低的主要原因無關於頻率問題、音壓問題、加速度問題或轉動問題。
請參閱圖5和圖6，其為依據本發明一實施例所繪示的硬碟效能問題分析方法的執行環境示意圖以及依據本發明一實施例所繪示的硬碟效能問題分析方法的流程圖。如圖5所示，本發明之硬碟效能問題分析方法所對應的執行環境可以包括硬碟效能問題分類模型建立系統1及電腦系統2，其中電腦系統2可以通訊連接於硬碟效能問題分類模型建立系統1。硬碟效能問題分類模型建立系統1如圖1所示提供硬碟效能問題分類模型，其相關細節已於前述段落描述，於此不再重複描述。電腦系統2包括處理器，處理器可以從硬碟效能問題分類模型建立系統1取得硬碟效能問題分類模型，並將異常的伺服器硬碟的量測資料輸入至硬碟效能問題分類模型，以取得分類結果。處理器例如為微控制器、圖形處理器或其他具有處理資料功能及儲存功能的電子裝置，而未侷限於本發明所陳述的範圍。於此實施例中，執行硬碟效能問題分類模型的電腦系統2及建立硬碟效能問題分類模型的分析裝置為不同裝置。於另一實施例中，執行硬碟效能問題分類模型的電腦系統2與建立硬碟效能問題分類模型的分析裝置為相同裝置。
如圖6所示，本發明之硬碟效能問題分析方法可以包括步驟S1~步驟S4，其中步驟S1~步驟S3為如圖2所描述之硬碟效能問題分類模型的建立步驟，於此不再重複敘述。步驟S4：以電腦系統2將異常的伺服器硬碟的量測資料輸入硬碟效能問題分類模型，取得分類結果，其中分類結果指示多個問題因子間的排序，且多個問題因子關聯於多個振動參數中的多者。多個問題因子可包括加速度問題、轉動問題、音壓問題以及共振頻率問題。具體而言，電腦系統2可以透過使用者介面或從伺服器硬碟量測裝置取得異常伺服器硬碟的量測資料，利用硬碟效能問題分類模型根據異常的伺服器硬碟的量測資料排列多個問題因子影響程度的優先順序。
舉例來說，伺服器具有多個硬碟槽，例如12個，其中4個硬碟槽所接的硬碟有所異常(例如效能不佳)，經量測而分別產生第一量測資料、第二量測資料、第三量測資料以及第四量測資料，如表1所示。電腦系統2透過使用者介面或從伺服器硬碟量測裝置取得第一量測資料至第四量測資料，並將其輸入硬碟效能問題分類模型，以取得如表2所示的分類結果。
表1
| 加速度(m/s 2) | 音壓(dB) | 角加速度(rad/s 2) | 頻率(Hz) | |
| 第一量測資料 | 0.05 | 93 | 14.26 | 300 |
| 第二量測資料 | 0.008 | 98 | 9.56 | 300 |
| 第三量測資料 | 0.14 | 99 | 11.22 | 300 |
| 第四量測資料 | 0.24 | 108 | 14.6 | 360 |
表2
| 硬碟效能問題排序1 | 硬碟效能問題排序2 | 硬碟效能問題排序3 | |
| 第一量測資料 | 頻率 | 轉動 | 轉動 |
| 第二量測資料 | 頻率 | 轉動 | 音壓 |
| 第三量測資料 | 頻率 | 轉動 | 轉動 |
| 第四量測資料 | 轉動 | 音壓 | 轉動 |
綜上所述，本發明之硬碟效能問題分類模型的建立方法及硬碟效能問題分類模型建立系統，將多筆量測資料進行二值化，並結合決策樹演算法，可以快速地建立分類準確度高的決策樹來作為硬碟效能問題分類模型，且由於係以單體硬碟的振動量測資料作為訓練資料，對所建立之決策樹進行剪枝的需求不高。另外，本發明之硬碟效能問題分析方法，將伺服儲存系統內部有問題之硬碟的量測資料輸入上述硬碟效能問題分類模型，可以良好地推測硬碟效能降低的主要原因。
在本發明的一實施例中，本發明之硬碟效能問題分類模型的建立方法、硬碟效能問題分析方法及硬碟效能問題分類模型建立系統可對伺服器所裝載的硬碟進行分析測試，以提高伺服器的可靠度，使該伺服器適合用於人工智慧(Artificial Intelligence，簡稱AI)運算、邊緣運算(Edge Computing)， 亦可當作5G 伺服器、雲端伺服器或車聯網伺服器使用。
雖然本發明以前述之實施例揭露如上，然其並非用以限定本發明。在不脫離本發明之精神和範圍內，所為之更動與潤飾，均屬本發明之專利保護範圍。關於本發明所界定之保護範圍請參考所附之申請專利範圍。
1:硬碟效能問題分類模型建立系統
2:電腦系統
11:振動參數感測器
12:分析裝置
111:三軸加速度計
112:音壓計
113:共振頻率分析儀
C1~C5:類別
c11, c12, c21, c22, c31, c32, c41, c42:分類條件
D1~D4:決策點
S1~S4, S31~S36:步驟
圖1為依據本發明一實施例所繪示的硬碟效能問題分類模型建立系統的功能方塊圖。
圖2為依據本發明一實施例所繪示的硬碟效能問題分類模型建立方法的流程圖。
圖3為依據本發明一實施例所繪示的取得硬碟效能問題分類模型的詳細步驟的流程圖。
圖4為依據本發明一實施例所繪示的決策樹演算法的二元樹圖。
圖5為依據本發明一實施例所繪示的硬碟效能問題分析方法的執行環境示意圖。
圖6為依據本發明一實施例所繪示的硬碟效能問題分析方法的流程圖。
S1~S3：步驟
Claims (8)
- 一種硬碟效能問題分類模型的建立方法，其包含以一分析裝置執行：取得多個單體硬碟的多筆量測資料，每一該些量測資料包含多個振動參數的多個數值；基於多個預設條件二值化該些量測資料，該些預設條件分別對應於該些振動參數；以及基於經二值化的該些量測資料及一決策樹演算法，取得一硬碟效能問題分類模型，其中基於經二值化的該些量測資料及該決策樹演算法包含執行k折交叉驗證。
- 如請求項1所述的硬碟效能問題分類模型的建立方法，其中該決策樹演算法為ID3演算法。
- 如請求項1所述的硬碟效能問題分類模型的建立方法，其中該些振動參數包含加速度、角加速度、音壓及共振頻率中的多者。
- 如請求項1所述的硬碟效能問題分類模型的建立方法，其中基於經二值化的該些量測資料及該決策樹演算法，取得該硬碟效能問題分類模型包含： 基於熵及信息增益中的一或二者，決定一第1決策點，以將經二值化的該些量測資料中的至少一部分分成二個量測資料組，其中該第i決策點關聯於該些振動參數中之一者；定義i值為正整數且起始值為2，執行一分類運算，該分類運算包含：基於該熵及該信息增益中的一或二者，決定第i決策點，以將經第(i-1)決策點分類的該二個量測資料組中之一者分成另二個量測資料組，其中該第i決策點關聯於該些振動參數中之另一者；判斷i值是否等於該些振動參數的數量，其中該些振動參數的該數量大於或等於2；若i值不等於該些振動參數的該數量，將i值加1並再次執行該分類運算；以及若i值等於該些振動參數的該數量，基於該第1決策點及執行一或多次的該分類運算的結果組成該硬碟效能問題分類模型。
- 一種硬碟效能問題分析方法，包含：以一電腦系統，將異常的一伺服器硬碟的一量測資料輸入由請求項1至4中任一者所述的硬碟效能問題分類模型的建 立方法所建立的該硬碟效能問題分類模型，以取得一分類結果；其中該分類結果指示多個問題因子間的排序，且該些問題因子關聯於所述多個振動參數中的多者。
- 一種硬碟效能問題分類模型建立系統，包含：多個振動參數感測器，用於量測多個單體硬碟中的每一者的多個振動參數的多個數值；以及一分析裝置，連接於該些振動參數感測器，用於取得多個單體硬碟的多筆量測資料，基於多個預設條件二值化該些量測資料，該些預設條件分別對應於該些振動參數，以及基於經二值化的該些量測資料及ID3演算法，取得一硬碟效能問題分類模型，其中每一該些量測資料包含多個振動參數；其中該分析裝置所執行之基於經二值化的該些量測資料及該決策樹演算法，取得該硬碟效能問題分類模型包含：基於熵及信息增益中的一或二者，決定一第1決策點，以將經二值化的該些量測資料中的至少一部分分成二個量測資料組，其中該第i決策點關聯於該些振動參數中之一者；定義i值為正整數且起始值為2，執行一分類運算，該分類運算包含： 基於該熵及該信息增益中的一或二者，決定第i決策點，以將經第(i-1)決策點分類的該二個量測資料組中之一者分成另二個量測資料組，其中該第i決策點關聯於該些振動參數中之另一者；判斷i值是否等於該些振動參數的數量，其中該些振動參數的該數量大於或等於2；若i值不等於該些振動參數的該數量，將i值加1並再次執行該分類運算；以及若i值等於該些振動參數的該數量，基於該第1決策點及執行一或多次的該分類運算的結果組成該硬碟效能問題分類模型。
- 如請求項6所述的硬碟效能問題分類模型建立系統，其中該決策樹演算法為ID3演算法。
- 如請求項6所述的硬碟效能問題分類模型建立系統，其中該些振動參數感測器包含三軸加速度計、音壓計及共振頻率分析儀中的多者，該三軸加速度計用於量測加速度及角加速度中的一或二者，該音壓計用於量測音壓，且該共振頻率分析儀用於量測共振頻率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW111108512A TWI818463B (zh) | 2022-03-09 | 2022-03-09 | 硬碟效能問題分類模型的建立方法、硬碟效能問題分析方法及硬碟效能問題分類模型建立系統 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW111108512A TWI818463B (zh) | 2022-03-09 | 2022-03-09 | 硬碟效能問題分類模型的建立方法、硬碟效能問題分析方法及硬碟效能問題分類模型建立系統 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW202336593A TW202336593A (zh) | 2023-09-16 |
| TWI818463B true TWI818463B (zh) | 2023-10-11 |
Family
ID=88927346
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW111108512A TWI818463B (zh) | 2022-03-09 | 2022-03-09 | 硬碟效能問題分類模型的建立方法、硬碟效能問題分析方法及硬碟效能問題分類模型建立系統 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI818463B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI340967B (en) * | 2005-12-29 | 2011-04-21 | Ind Tech Res Inst | Apparatus of dynamic anti-vibration for storage device |
| CN102521110A (zh) * | 2011-12-31 | 2012-06-27 | 曙光信息产业股份有限公司 | 服务器中部件监控方法 |
| TWI461906B (zh) * | 2011-09-09 | 2014-11-21 | Hon Hai Prec Ind Co Ltd | 硬碟測試資料分析方法 |
| TW201732591A (zh) * | 2016-01-29 | 2017-09-16 | Alibaba Group Services Ltd | 磁碟的故障預測方法和裝置 |
| CN108647136A (zh) * | 2018-05-10 | 2018-10-12 | 南京道熵信息技术有限公司 | 基于smart信息和深度学习的硬盘损坏预测方法及装置 |
| US20210263828A1 (en) * | 2020-02-26 | 2021-08-26 | Oracle International Corporation | Pattern-recognition enabled autonomous configuration optimization for data centers |
-
2022
- 2022-03-09 TW TW111108512A patent/TWI818463B/zh active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI340967B (en) * | 2005-12-29 | 2011-04-21 | Ind Tech Res Inst | Apparatus of dynamic anti-vibration for storage device |
| TWI461906B (zh) * | 2011-09-09 | 2014-11-21 | Hon Hai Prec Ind Co Ltd | 硬碟測試資料分析方法 |
| CN102521110A (zh) * | 2011-12-31 | 2012-06-27 | 曙光信息产业股份有限公司 | 服务器中部件监控方法 |
| TW201732591A (zh) * | 2016-01-29 | 2017-09-16 | Alibaba Group Services Ltd | 磁碟的故障預測方法和裝置 |
| CN108647136A (zh) * | 2018-05-10 | 2018-10-12 | 南京道熵信息技术有限公司 | 基于smart信息和深度学习的硬盘损坏预测方法及装置 |
| US20210263828A1 (en) * | 2020-02-26 | 2021-08-26 | Oracle International Corporation | Pattern-recognition enabled autonomous configuration optimization for data centers |
Also Published As
| Publication number | Publication date |
|---|---|
| TW202336593A (zh) | 2023-09-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112637132B (zh) | 一种网络异常检测方法、装置、电子设备和存储介质 | |
| US20070010966A1 (en) | System and method for mining model accuracy display | |
| WO2017129032A1 (zh) | 磁盘的故障预测方法和装置 | |
| JP2018095429A (ja) | 昇降機診断システム、昇降機診断装置、及び昇降機診断方法 | |
| CN111898647B (zh) | 一种基于聚类分析的低压配电设备误告警识别方法 | |
| CN103988175A (zh) | 识别用于响应云计算系统中的异常的动作的方法和系统 | |
| CN107490964B (zh) | 一种基于特征证据离散化的旋转机械故障特征约简方法 | |
| US7716152B2 (en) | Use of sequential nearest neighbor clustering for instance selection in machine condition monitoring | |
| US7181364B2 (en) | Automated detecting and reporting on field reliability of components | |
| TW202013104A (zh) | 資料處理、資料處理裝置以及電腦可讀取記錄媒體 | |
| CN112101572A (zh) | 模型优化方法、装置、设备和介质 | |
| CN110011976A (zh) | 一种网络攻击破坏能力量化评估方法及系统 | |
| CN114756420A (zh) | 故障预测方法及相关装置 | |
| US10866875B2 (en) | Storage apparatus, storage system, and performance evaluation method using cyclic information cycled within a group of storage apparatuses | |
| TWI818463B (zh) | 硬碟效能問題分類模型的建立方法、硬碟效能問題分析方法及硬碟效能問題分類模型建立系統 | |
| CN107562615B (zh) | 基于目标符合性评审论证树模型的适航符合性测试方法 | |
| US6810357B2 (en) | Systems and methods for mining model accuracy display for multiple state prediction | |
| TWI790938B (zh) | 硬碟效能問題分類模型的建立方法、硬碟效能問題分析方法及硬碟效能問題分類模型建立系統 | |
| JP2019158684A (ja) | 検査システム、識別システム、及び識別器評価装置 | |
| TWI794041B (zh) | 硬碟效能問題分類模型的建立方法、硬碟效能問題分析方法及硬碟效能問題分類模型建立系統 | |
| CN116738346A (zh) | 硬盘效能问题分类模型的建立方法及系统、分析方法 | |
| CN115292303A (zh) | 数据处理方法及装置 | |
| CN114706751A (zh) | 一种基于改进smote的软件缺陷预测方法 | |
| CN116737517A (zh) | 硬盘效能问题分类模型的建立方法及系统、分析方法 | |
| WO2021019865A1 (ja) | 検査装置、検査方法、および、検査プログラム、ならびに、学習装置、学習方法、および、学習プログラム |