[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有效
申请号: | 201911302875.6 | 申请日: | 2019-09-26 |
公开(公告)号: | CN111078479B | 公开(公告)日: | 2021-09-07 |
发明(设计)人: | 叶茂;李靖;叶铮 | 申请(专利权)人: | 腾讯科技(深圳)有限公司 |
主分类号: | G06F11/22 | 分类号: | G06F11/22;G06K9/62 |
代理公司: | 深圳市深佳知识产权代理事务所(普通合伙) 44285 | 代理人: | 聂秀娜 |
地址: | 518057 广东省深圳*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 内存 检测 模型 训练 方法 装置 | ||
本申请公开了一种内存检测模型训练的方法,该方法应用于故障检测,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多个待训练特征子集合,通过待训练内存检测子模型获取待训练特征子集合所对应的预测故障标签子集合,若预测故障标签子集合与真实故障标签子集合满足模型验证条件,则根据待训练内存检测子模型生成内存检测子模型。本申请还公开了一种内存检测装置。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。
本申请为2019年9月26日提交中国专利局、申请号为201910918511.4、发明名称为“一种内存检测模型训练的方法、内存检测的方法及装置”的中国专利申请的分案申请。
技术领域
本申请涉及管理工具领域,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,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内存,内存为双列直插式存储模块DIMM,M为大于或等于1的整数;
根据内存状态历史数据集合生成真实故障标签集合,其中,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内存;
根据内存状态历史数据集合生成多个待训练特征子集合,其中,多个待训练特征子集合属于待训练特征集合,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内存,且每个待训练特征包括至少一个特征指标所对应的参数;
通过待训练内存检测子模型获取待训练特征子集合所对应的预测故障标签子集合,其中,预测故障标签子集合属于预测故障标签集合,待训练内存检测子模型属于待训练内存检测模型中的一个子模型,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内存;
若预测故障标签子集合与真实故障标签子集合满足模型验证条件,则根据待训练内存检测子模型生成内存检测子模型,其中,内存检测子模型属于内存检测模型中的一个子模型。
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,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DIMM未出现不可改正误差UE,则根据DIMM生成待检测特征向量;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911302875.6/2.html,转载请声明来源钻瓜专利网。