[发明专利]一种云硬盘故障预测方法、装置、设备及存储介质

说明书

本发明公开了一种云硬盘故障预测方法，包括：从云硬盘的SMART信息中采集特征数据；将特征数据输入预先训练的LSTM模型，通过LSTM模型对特征数据进行处理，得到云硬盘的故障预测结果；其中，故障预测结果包括：云硬盘属于每种故障状态的概率值。可见，在本方案中，通过预先训练的LSTM模型及SMART信息中的特征数据对云硬盘故障进行预测，能得到预测准确率更高的故障预测结果，并且将该故障预测结果提供给服务器机房运维工程师，可以在提升云硬盘故障判断的效率和准确率的基础上，进一步提高运维效率；本发明还公开了一种云硬盘故障预测装置、设备及存储介质，同样能得到上述技术效果。

技术领域

本发明涉及硬盘故障预测技术领域，更具体地说，涉及一种云硬盘故障预测方法、装置、设备及存储介质。

背景技术

云硬盘(Elastic Volume Service,EVS)可以为云服务器提供高可靠、高性能、规格丰富并且可弹性扩展的块存储服务，因此及时准确的预测云硬盘的故障程度是十分必要的，以便在云硬盘出现问题时及时更换。传统的预测方法，是通过机器学习算法对云硬盘的故障程度进行预测，但是通过该方式对云硬盘的故障程度进行预测，准确率低，预测效果差。因此，如何对云硬盘的故障进行准确预测，是本领域技术人员需要解决的问题。

发明内容

本发明的目的在于提供一种云硬盘故障预测方法、装置、设备及存储介质，以提高对云硬盘故障预测的准确率。

为实现上述目的，本发明提供一种云硬盘故障预测方法，包括：

从云硬盘的SMART信息中采集特征数据；

将所述特征数据输入预先训练的LSTM模型，通过所述LSTM模型对所述特征数据进行处理，得到所述云硬盘的故障预测结果；其中，所述故障预测结果包括：所述云硬盘属于每种故障状态的概率值。

其中，所述从云硬盘的SMART信息中采集特征数据，包括：

以预定时长为采集周期，从云硬盘的SMART信息中采集特征数据。

其中，所述特征数据包括：磁头状态信息、硬盘启动时间、磁盘坏区信息、磁头寻道错误率、已分配坏块数、非安全下电次数、硬件重启次数、硬盘总工作时间、不可恢复错误、硬盘温度、读阻塞的扇区数、主轴电机频繁重启次数。

其中，所述云硬盘属于每种故障状态的概率值，包括：

所述云硬盘属于健康状态的第一概率值，所述云硬盘属于亚健康状态的第二概率值，所述云硬盘属于损坏状态的第三概率值。

其中，所述得到所述云硬盘的故障预测结果之后，还包括：

判断所述云硬盘属于损坏状态的第三概率值是否大于预定阈值；

若是，则生成云硬盘故障提醒信息。

其中，所述得到所述云硬盘的故障预测结果之后，还包括：

基于所述故障预测结果以及与所述云硬盘的基础信息，确定所述云硬盘的更换结果；所述更换结果为需要更换或者无需更换。

其中，所述基础信息包括以下信息中的至少一者：与所述云硬盘对应的服务器类型、上架年限、服务器健康程度、业务模块类型、硬盘性能参数。

为实现上述目的，本发明进一步提供一种云硬盘故障预测装置，包括：

数据采集模块，用于从云硬盘的SMART信息中采集特征数据；

故障预测模块，用于将所述特征数据输入预先训练的LSTM模型，通过所述LSTM模型对所述特征数据进行处理，得到所述云硬盘的故障预测结果；其中，所述故障预测结果包括：所述云硬盘属于每种故障状态的概率值。

为实现上述目的，本发明进一步提供一种电子设备，包括：