[发明专利]一种视频服务器的磁盘的监控方法及系统

说明书

本发明公开了一种视频服务器的磁盘的监控方法及系统，该方法包括：获取视频服务器磁盘的磁盘物理监控数据；预先训练训练模型，将磁盘物理监控数据作为特征值输入到训练模型得到与磁盘物理监控数据对应的磁盘损坏概率值。本发明通过视频业务的下载数据为目标变量，以物理层的磁盘的下载数据为特征值进行机器学习训练；将训练得到的模型应用于磁盘状态的监控，能够给出磁盘损坏的概率值，从而将现有技术中依靠运维人员经验处理方法转化为依靠机器学习方法判断视频服务器磁盘是否发生损坏，增加监控准确性。

技术领域

本发明涉及服务器监控技术领域，特别是涉及一种视频服务器的磁盘的监控方法及系统。

背景技术

目前国内的主流视频网站，其视频服务器使用的大都是linux操作系统；在linux操作系统下，服务器监控磁盘运行状况一般使用的是SMART命令。SMART命令查看某个磁盘的状态的结果通过部分参数进行显示。但与磁盘是否损坏相关的重要参数有多个，而如何根据这多个参数决定磁盘是否“损坏”，一直是一个难题。

目前的做法是运维人员根据经验通过观察多个参数的值，来决定是否对磁盘进行维修。但是由于数值的累积直至磁盘完全损坏是一个量变产生质变的过程，因此在很多情况，磁盘的实际服务情况已经很差了，但是相关数值仍难以观察到明显的问题；或是，某项值比较异常但是其他值较为正常，很难决定是否维修磁盘，视频服务器的磁盘的监控准确性不高。

发明内容

本发明的目的在于提出一种视频服务器的磁盘的监控方法及系统，以实现提高视频服务器磁盘的监控准确性。

为达到上述目的，本发明提供了以下技术方案：

一种视频服务器的磁盘的监控方法，包括：

获取所述视频服务器的磁盘的磁盘物理监控数据；

预先训练训练模型，将所述磁盘物理监控数据作为特征值输入到所述训练模型得到与所述磁盘物理监控数据对应的磁盘损坏概率值。

优选的，根据机器学习方法进行所述训练模型的训练，包括：

获取训练数据，所述训练数据包括磁盘物理监控样本数据以及与所述磁盘物理监控样本数据对应的磁盘损坏样本概率值；

将所述磁盘物理监控样本数据作为特征值，以与所述磁盘物理监控样本数据对应的磁盘损坏样本概率值作为目标变量通过机器学习进行模型训练，得到训练模型。

优选的，所述获取所述磁盘物理监控样本数据，包括：

通过SMART命令获取预设时间内的磁盘物理状态数据，所述磁盘物理状态数据包括：磁盘坏道元素数、磁盘健康状态、磁盘带电时间、非介质错误、读操作的错误次数以及写操作的错误次数；

根据所述磁盘物理状态数据的数据类型确定所述磁盘物理监控样本数据。

优选的，所述获取所述磁盘物理监控样本数据对应的磁盘损坏样本概率值，包括：

获取预设时间内向服务器发送的所有下载请求对应的下载数据，并根据预设条件对所述下载数据进行过滤，所述下载数据包括：处理对应下载请求的磁盘标识、下载数据的文件数量、所述下载请求对应的下载时间以及网络延迟；

根据预设公式对过滤后的所有下载请求进行计算得到与每个下载请求对应的下载速度，将每条所述下载请求表示为二元组，所述二元组包括：处理对应下载请求的所述磁盘标识和对应的下载速度；

将所有下载请求按照所述磁盘标识进行分集合，得到包含多个下载速度值的N个集合，其中N为大于等于1的正整数；

针对每个磁盘的所述集合计算出下载速度值小于预设阈值的元素数，确定每个磁盘的所述集合占整个集合元素数的慢速比，得到包含所述磁盘标识和所述慢速比的N个二元组；