[發明專利]一種硬盤故障預測方法、裝置、電子設備和存儲介質

在審

• 申請號: 202010578808.3
• 申請日: 2020-06-23
• 公開（公告）號: CN111858108A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 章曉曉;王美娟
• 申請（專利權）人: 新華三技術有限公司
• 主分類號: G06F11/00
• 分類號: G06F11/00;G06F11/07;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種硬盤故障預測方法，其特征在于，所述方法包括：

獲取多個硬盤在第一時間段內的監控數據，并將所述監控數據劃分為正樣本數據和負樣本數據，其中，每條監控數據包括SMART屬性數據，所述正樣本數據為故障盤的監控數據，所述負樣本數據為非故障盤的監控數據；

分別刪除所述正樣本數據和負樣本數據包括的SMART屬性數據中在所述第一時間段內未發生變化的SMART屬性；

針對刪除后的每條數據，將該條數據包括的SMART屬性數據、根據該條數據包括的SMART屬性數據確定出的用于表征每個SMART屬性的屬性值在第二時間段內的變化程度的變化評估信息、以及根據該條數據包括的SMART屬性數據中的指定SMART屬性匯總出的故障反映屬性，確定為特征數據；

基于少數類合成過采樣技術SMOTE算法，對正樣本特征數據和負樣本特征數據進行均衡處理；

將處理后的數據作為訓練數據輸入至初始Xgboost模型進行訓練，并利用訓練好的Xgboost模型對目標硬盤進行故障預測。

2.根據權利要求1所述的方法，其特征在于，將所述監控數據劃分為正樣本數據和負樣本數據，具體包括：

將每個硬盤在所述第一時間段內的監控數據中標記有硬盤故障的監控數據，以及在標記有硬盤故障的監控數據所包括的采樣時間之前的第三時間段內的監控數據，確定為正樣本數據；

將每個硬盤在所述第一時間段內的監控數據中除正樣本數據之外的監控數據，確定為負樣本數據。

3.根據權利要求1所述的方法，其特征在于，所述第二時間段為n天；

通過以下方式確定用于表征每個SMART屬性的屬性值在第二時間段內的變化程度的變化評估信息：

通過以下公式一計算SMART屬性A在第i天的屬性值與在第i天的前j天的屬性值的差異值：

公式一：A_change＝|A_i-A_i-j|

其中，SMART屬性A為該條數據包括的SMART屬性數據中的任一SMART屬性，j＝1,2，…，n；

A_change為SMART屬性A在第i天的屬性值與在第i天的前j天的屬性值的差異值；

A_i為SMART屬性A在第i天的屬性值；

A_i-j為SMART屬性A在第i天的前j天的屬性值；

通過以下公式二計算SMART屬性A在第i天的前n天內的屬性值的方差：

公式二：

其中，Var(A)為SMART屬性A在第i天的前n天內的屬性值的方差，j＝1,2，…，n；

A_i-j為SMART屬性A在第i天的前j天的屬性值；

μ是SMART屬性A在第i天的前n天內的屬性值的平均值。

4.根據權利要求1所述的方法，其特征在于，所述指定SMART屬性為用于表征錯誤率的SMART屬性；

所述故障反映屬性的屬性值為所述指定SMART屬性的屬性值之和。

5.一種硬盤故障預測裝置，其特征在于，所述裝置包括：

數據處理模塊，用于獲取多個硬盤在第一時間段內的監控數據，并將所述監控數據劃分為正樣本數據和負樣本數據，其中，每條監控數據包括SMART屬性數據，所述正樣本數據為故障盤的監控數據，所述負樣本數據為非故障盤的監控數據；

特征確定模塊，用于分別刪除所述正樣本數據和負樣本數據包括的SMART屬性數據中在所述第一時間段內未發生變化的SMART屬性；

針對刪除后的每條數據，將該條數據包括的SMART屬性數據、根據該條數據包括的SMART屬性數據確定出的用于表征每個SMART屬性的屬性值在第二時間段內的變化程度的變化評估信息、以及根據該條數據包括的SMART屬性數據中的指定SMART屬性匯總出的故障反映屬性，確定為特征數據；

均衡處理模塊，用于基于少數類合成過采樣技術SMOTE算法，對正樣本特征數據和負樣本特征數據進行均衡處理；

訓練模塊，用于將處理后的數據作為訓練數據輸入至初始Xgboost模型進行訓練，并利用訓練好的Xgboost模型對目標硬盤進行故障預測。