[发明专利]一种内存检测模型训练的方法、内存检测的方法及装置

说明书

本申请公开了一种内存检测模型训练的方法，包括：获取内存状态历史数据集合，根据内存状态历史数据集合生成真实故障标签集合，根据内存状态历史数据集合生成待训练特征集合，根据待训练特征集合训练待训练内存检测模型，得到预测故障标签集合，若预测故障标签集合与真实故障标签集合满足模型验证条件，则根据待训练内存检测模型训练得到内存检测模型。本申请还公开了一种内存检测的方法以及装置。本申请提供的内存检测模型可以针对内存模块级别的粒度来预测内存故障情况，充分考虑到了内存的健康状况以及风险级别，从而提升了内存检测的故障定位准确度。

技术领域

本申请涉及互联网技术领域，尤其涉及一种内存检测模型训练的方法、内存检测的方法及装置。

背景技术

随着科技的发展，计算机已经进入到千家万户。计算机的硬件系统是由运算器、控制器、存储器、输入设备和输出设备构成。计算机中的存储器分为内存和外存。内存用来存放当前正在使用的，或随时要用的程序和数据。一旦内存出现错误或故障，会引起程序不能正常工作或宕机。因此，对于内存可能出现的故障进行研究具有重要的意义。

目前，业界普遍采用故障匹配模型对内存进行检测，即从服务器事件日志中提取出可改正误差(Correctable Errors，CE)、不可改正误差(Uncorrectable Errors，UE)、内存可靠性相关的事件日志等错误信息，再从系统层面拿到传感器数据，主要包括风扇转速、每秒命令数、内存和网络带宽、节电和时钟频率以及温度等，训练得到故障匹配模型。

然而，上述故障匹配模型只能针对系统级别的粒度来预测UE，基于系统级别的预测方式颗粒度较大，因此，难以定位到具体的内存模块，导致内存检测的准确度较低。

发明内容

本申请实施例提供了一种内存检测模型训练的方法、内存检测的方法及装置，本申请提供的内存检测模型可以针对内存模块级别的粒度来预测内存故障情况，充分考虑到了DIMM的健康状况以及风险级别，从而提升了内存检测的故障定位准确度。

有鉴于此，本申请第一方面提供一种内存检测模型训练的方法，包括：

获取内存状态历史数据集合，其中，所述内存状态历史数据集合包括M个内存状态历史数据，每个内存状态历史数据对应一个双列直插式存储模块DIMM，所述M为大于或等于1的整数；

根据所述内存状态历史数据集合生成真实故障标签集合，其中，所述真实故障标签集合包括M个真实故障标签，每个真实故障标签对应一个DIMM；

根据所述内存状态历史数据集合生成待训练特征集合，其中，所述待训练特征集合包括M个待训练特征，每个待训练特征对应一个DIMM，且所述每个待训练特征包括至少一个特征指标所对应的参数；

根据所述待训练特征集合训练待训练内存检测模型，得到预测故障标签集合，其中，所述预测故障标签集合包括M个预测故障标签，每个预测故障标签对应一个DIMM；

若所述预测故障标签集合与真实故障标签集合满足模型验证条件，则确定所述待训练内存检测模型为合格的内存检测模型。

本申请第二方面提供一种内存检测的方法，包括：

获取待检测日志数据，其中，所述待检测日志数据中包括双列直插式存储模块DIMM所对应的日志数据；

若根据待检测日志数据检测到所述DIMM未出现不可改正误差UE，则根据所述DIMM生成待检测特征向量；

通过内存检测模型获取所述待检测特征向量所对应的N个故障概率分值，其中，所述内存检测模型包括N个内存检测子模型，每个内存检测子模型对应一个故障概率分值，所述N为大于或等于1的整数；

若所述N个故障概率分值满足故障检测条件，则生成所述DIMM所对应的内存检测结果。

本申请第三方面提供一种内存检测的方法，包括：