[发明专利]一种存储设备故障预测方法和系统

说明书

本发明公开了一种存储设备故障预测方法和系统，属于计算机存储技术领域。包括：S1.采集N个存储设备在不同时间点的SMART属性数据；S2.打乱所有存储设备的顺序，选取第j＝1个存储设备；83.该存储设备各时间点的SMART属性数据作为小批次样本，输入故障预测模型进行训练，得到输出结果；S4.根据存储设备的时间点tn的状态、输出结果、LTMIN和LTMAX，动态调整各样本的标签和反馈权重；S5.计算该批次的综合损失Loss_j；S6.选取下一个存储设备，重复步骤S3‑S5，直至所有存储设备都取完，计算该周期内所有存储设备的总损失Loss_final；87.判断Loss_final是否收敛，若是，得到训练好的预测模型，进入步骤S8，否则，进入步骤S2；S8.将待预测存储设备的当前SMART属性数据输入训练好的预测模型，得到预测结果。

技术领域

本发明属于计算机存储技术领域，更具体地，涉及一种存储设备故障预测方法和系统。

背景技术

磁盘由于单位存储容量价格低、技术成熟等，在数据中心得到广泛的部署，常应用到冷数据存储、长期存储、备份存储等应用中。而磁盘一旦出现故障，在数据没有备份的情况下，会造成巨大的数据损失，而在有备份的情况下，恢复数据会产生巨大的开销，容易引起磁盘和网络的I/O突发，影响在线业务的使用。

通常情况下，数据中心通过采集磁盘的SMART数据以及I/O负载统计数据，利用机器学习模型，构建故障预测模型，以评估磁盘的磨损度，推测磁盘是否在不久的将来会发生故障，并对潜在高危的磁盘采取故障处理举措，提前迁移数据或数据服务，从而避免数据损失以及降低故障修复开销。专利CN108446734A公开了一种基于人工智能的磁盘故障自动预测方法，通过整合不同提前时间区间的训练数据，使用支持向量机的学习模型，构建能够获取不同提前时间精度的分层预测模型。

但是，当前技术关注预测磁盘故障是否即将到来，提前预测时间不定或不准，时间过长导致过早进行磁盘故障处理造成磁盘资源浪费，时间过短导致磁盘故障处理不及时的问题。

发明内容

针对现有技术的缺陷，本发明的目的在于解决现有技术磁盘故障预测方法训练样本的标签难以确定导致构建的模型不稳定，提前预测时间难控的技术问题。

为实现上述目的，第一方面，本发明实施例提供了一种存储设备故障预测方法，所述方法包括以下步骤：

S1.接收输入的最小提前时间LTMIN和最大提前时间LTMAX，并实时采集同存储设备系列的N个存储设备在不同时间点的SMART属性数据，保证采集到的数据包括正常存储设备数据和故障存储设备数据；

S2.随机打乱所有存储设备的顺序，按照打乱后的顺序选取第j＝1个存储设备；

S3.该存储设备各时间点的SMART属性数据{I_t1，I_t2，…I_tn}作为小批次样本，每个时间点的SMART属性数据I_ti作为一个样本，输入多层感知器的存储设备故障预测模型进行训练，得到输出结果{O_t1，O_t2，…，O_tn}，tn表示该存储设备最后采集时间；

S4.根据该存储设备的时间点tn的状态、输出结果{O_t1，O_t2，…，O_tn}、最小提前时间LTMIN和最大提前时间LTMAX，动态调整该批次中各样本对应的标签{L_t1，L_t2，…，L_tn}和反馈权重{w_t1，w_t2，…，w_tn}；