[發明專利]一種服務器磁盤故障預測方法、裝置、設備及存儲介質

在審

• 申請號: 202011226000.5
• 申請日: 2020-11-05
• 公開（公告）號: CN112433896A
• 公開（公告）日: 2021-03-02
• 發明（設計）人: 孫偉源
• 申請（專利權）人: 北京浪潮數據技術有限公司
• 主分類號: G06F11/22
• 分類號: G06F11/22;G06F11/30
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 劉翠香

1.一種服務器磁盤故障預測方法，其特征在于，包括：

獲得設定時間段內服務器中目標磁盤的運行狀態信息；

在所述運行狀態信息中提取故障特征數據；

獲得所述設定時間段內前后時間點對應的IO數量跳變數據；

基于所述故障特征數據和所述IO數量跳變數據，利用預先訓練獲得的神經網絡預測模型，確定所述目標磁盤的故障風險級別；

根據所述故障風險級別，預測所述目標磁盤是否會發生故障。

2.根據權利要求1所述的方法，其特征在于，所述基于所述故障特征數據和所述IO數量跳變數據，利用預先訓練獲得的神經網絡預測模型，確定所述目標磁盤的故障風險級別，包括：

確定所述故障特征數據中每個數據項的權重系數；

基于所述故障特征數據中每個數據項的權重系數，計算綜合指標值；

根據所述IO數量跳變數據，計算IO跳變平均值；

將所述綜合指標值和所述IO跳變平均值輸入到預先訓練獲得的神經網絡預測模型中，獲得輸出數據；

根據所述輸出數據，確定所述目標磁盤的故障風險級別。

3.根據權利要求2所述的方法，其特征在于，所述確定所述故障特征數據中每個數據項的權重系數，包括：

根據所述故障特征數據中每個數據項的重要程度，確定每個數據項的權重系數。

4.根據權利要求2所述的方法，其特征在于，所述根據所述輸出數據，確定所述目標磁盤的故障風險級別，包括：

確定所述輸出數據所在的數據范圍；

將所述輸出數據所在的數據范圍對應的故障風險級別確定為所述目標磁盤的故障風險級別。

5.根據權利要求1所述的方法，其特征在于，所述故障特征數據包括以下一個或多個數據項：

磁頭狀態、磁盤壞區、磁頭尋道錯誤率、主軸電機頻繁嘗試啟動、硬盤機械部件故障、已分配壞塊數、非安全下電次數、硬件重啟次數、硬盤總工作時間、不可恢復錯誤數、硬盤溫度、讀阻塞扇區數、硬盤啟動時間。

6.根據權利要求1至5之中任一項所述的方法，其特征在于，通過以下步驟預先訓練獲得所述神經網絡預測模型：

獲得樣本數據集，所述樣本數據集包括多組樣本數據，每組樣本數據包括故障特征樣本數據、IO數量跳變樣本數據和對應的磁盤故障結果；

基于所述樣本數據集，對預先構建的神經網絡初始模型進行訓練，調整模型參數；

利用仿真函數對訓練后的所述神經網絡初始模型進行驗證測試；

在訓練后的所述神經網絡初始模型的準確率達到設定準確率閾值或者循環迭代次數達到設定次數閾值時，將訓練后的所述神經網絡初始模型確定為神經網絡預測模型。

7.根據權利要求6所述的方法，其特征在于，所述神經網絡初始模型為多層前饋神經網絡，包括輸入層、隱含層、輸出層，所述隱含層采用tansig傳遞函數，所述輸出層采用purelin激活函數。

8.一種服務器磁盤故障預測裝置，其特征在于，包括：

運行狀態信息獲得模塊，用于獲得設定時間段內服務器中目標磁盤的運行狀態信息；

故障特征數據提取模塊，用于在所述運行狀態信息中提取故障特征數據；

IO數量跳變數據獲得模塊，用于獲得所述設定時間段內前后時間點對應的IO數量跳變數據；

故障風險級別確定模塊，用于基于所述故障特征數據和所述IO數量跳變數據，利用預先訓練獲得的神經網絡預測模型，確定所述目標磁盤的故障風險級別；

磁盤故障預測模塊，用于根據所述故障風險級別，預測所述目標磁盤是否會發生故障。

9.一種服務器磁盤故障預測設備，其特征在于，包括：

存儲器，用于存儲計算機程序；

處理器，用于執行所述計算機程序時實現如權利要求1至7任一項所述服務器磁盤故障預測方法的步驟。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現如權利要求1至7任一項所述服務器磁盤故障預測方法的步驟。