[發明專利]磁盤故障預測方法、裝置、計算機設備及計算機存儲介質

在審

• 申請號: 201810359823.1
• 申請日: 2018-04-20
• 公開（公告）號: CN110389866A
• 公開（公告）日: 2019-10-29
• 發明（設計）人: 葛育波;劉佳;楊貽鑫;潘宣辰
• 申請（專利權）人: 武漢安天信息技術有限責任公司
• 主分類號: G06F11/22
• 分類號: G06F11/22;G06F11/30;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明實施例提供了一種磁盤故障預測方法、裝置、計算機設備及計算機存儲介質，屬于數據存儲技術領域，本發明磁盤故障預測方法包括：獲取磁盤樣本多個維度上的數據信息以構造Adaboost算法中弱學習算法可讀的訓練集；通過Adaboost算法對訓練集進行訓練，生成強分類器；根據強分類器對待測磁盤進行故障預測。本方法基于adaboost算法，通過不斷迭代訓練弱分類器來預測磁盤故障發生，能弱化各廠商磁盤SMART閾值帶來的差異性，預測準確度高，且該算法實現簡單，磁盤預測效率高。

技術領域

本發明涉及數據存儲技術領域，更為具體而言，涉及一種磁盤故障的預測方法、裝置、計算機設備、計算機存儲介質以及存儲控制系統。

背景技術

隨著計算機及網絡技術的不斷發展，越來越多的數據相繼產生，作為計算機離不開的存儲介質—磁盤，也面臨著越來越嚴峻的挑戰。由于大量的數據讀寫操作，磁盤無時無刻不在損耗，雖然目前有RAID(Redundant Array of Independent Disks，獨立冗余磁盤陣列)技術或者分布式系統來保障，但磁盤的突發故障依然在很大程度上影響了數據的穩定性。

目前對磁盤故障進行檢測的方法基本上是采用對磁盤進行實時監控來實現，通過磁盤的SMART信息確認磁盤是否發生故障。其中，SMART信息包含磁盤底層數據讀取錯誤率、讀寫通量性能、盤片啟動時間等信息。一旦出現某個信息錯誤，就代表磁盤可能已經存在故障，磁盤數據丟失。因此，實時檢測磁盤故障的被動接收監控報警的方式，不能完全保障系統服務和數據的穩定性，同時還是運維人員工作中的一顆隱形炸彈。因此，為了避免數據的丟失，減小運維人員工作負擔，需要對磁盤的故障進行預測。

現有對磁盤故障進行預測的模型方法，例如貝葉斯模型、馬爾可夫及隱式馬爾可夫模型、支持向量機模型、神經網絡模型等。在上述算法模型中，貝葉斯模型算法簡單，易于實現，但預測準確率只有20％～30％；馬爾可夫及隱式馬爾可夫模型預測準確率有所提升，能到52％，但仍不算太理想；支持向量機模型和神經網絡模型雖然能獲得95％的預測準確率，但是算法復雜，需要對大量的樣本進行長時間的學習訓練，更甚的是有些訓練是無效訓練，達不到學習的效果，導致預測效率低。

發明內容

本發明實施例的目的提供一種磁盤故障的預測方法、裝置、計算機設備、計算機存儲介質以及存儲控制系統，用以解決現有技術中所存在的上述技術問題。

第一方面，本發明實施例提供了一種磁盤故障預測方法。

具體地，所述方法包括：

獲取磁盤樣本多個維度上的數據信息以構造Adaboost算法中弱學習算法可讀的訓練集；

通過Adaboost算法對所述訓練集進行訓練，生成強分類器；

根據所述強分類器對待測磁盤進行故障預測。

第二方面，本發明實施例提供了一種磁盤故障預測裝置。

具體地，所述裝置包括：

磁盤樣本數據信息獲取模塊，用于獲取磁盤樣本多個維度上的數據信息，以構造Adaboost算法中弱學習算法可讀的訓練集；

強分類器生成模塊，用于通過Adaboost算法對所述訓練集進行訓練，生成強分類器；

磁盤故障預測模塊，用于根據所述強分類器對待測磁盤進行故障預測。

第三方面，本發明實施例提供了一種計算機設備。

具體地，所述計算機設備包括：

處理器；以及

用于存放計算機程序的存儲器，

其特征在于，所述處理器用于執行所述存儲器上所存放的計算機程序，以實現第一方面所述的磁盤故障預測方法