[发明专利]一种磁盘异常检测方法、装置、设备及可读存储介质

说明书

本发明公开了一种磁盘异常检测方法，该方法包括以下步骤：采集待检测的目标磁盘的FARM日志；对FARM日志进行特征提取，得到FARM向量；利用预训练得到的磁盘异常检测模型对FARM向量进行检测，得到磁盘异常检测结果；其中，磁盘异常检测模型为通过将真异常盘作为训练样本进行训练得到的模型。应用本发明所提供的磁盘异常检测方法，较大地降低了误报率，提高了磁盘异常检测结果的准确性。本发明还公开了一种磁盘异常检测装置、设备及存储介质，具有相应技术效果。

技术领域

本发明涉及存储技术领域，特别是涉及一种磁盘异常检测方法、装置、设备及计算机可读存储介质。

背景技术

近年来随着大数据和云计算的快速发展，数据迎来了爆炸性的增长，而大多数数据存储在磁盘中，磁盘故障导致组件更换，可能会导致业务停机，甚至数据丢失。因此，需要预先对磁盘进行异常检测。

现有的磁盘异常检测方法大都为通过自我监测、分析及报告技术(Self-Monitoring Analysis and Reporting Technology，SMART)预测磁盘的状态，训练基于SMART的监督学习模型，采用SMART作为输入，使用监督学习算法训练分类器，但是由于SMART信息有限，缺少工作负载等相关日志，且多个字段缺乏合理的解释无法使用，因此存在召回率低和误报率高的问题。

另外，传统的基于SMART的监督学习模型过于依赖数据标签，即对于故障和非故障样本标定的准确性要求很高，然而实际情况是，在某块磁盘被存储系统踢掉后，原因可能是由于上层应用、主机或者网络等外部环境导致，所以如果将该磁盘标定为故障样本，误报率将会大大增加，准确率大大降低。

综上所述，如何有效地解决现有的磁盘异常检测方法多个字段缺乏合理的解释无法使用，误报率高，准确率低等问题，是目前本领域技术人员急需解决的问题。

发明内容

本发明的目的是提供一种磁盘异常检测方法，该方法较大地降低了误报率，提高了磁盘异常检测结果的准确性；本发明的另一目的是提供一种磁盘异常检测装置、设备及计算机可读存储介质。

为解决上述技术问题，本发明提供如下技术方案：

一种磁盘异常检测方法，包括：

采集待检测的目标磁盘的FARM日志；

对所述FARM日志进行特征提取，得到FARM向量；

利用预训练得到的磁盘异常检测模型对所述FARM向量进行检测，得到磁盘异常检测结果；其中，所述磁盘异常检测模型为通过将真异常盘作为训练样本进行训练得到的模型。

在本发明的一种具体实施方式中，利用预训练得到的磁盘异常检测模型对所述FARM向量进行检测，得到磁盘异常检测结果，包括：

通过所述磁盘异常检测模型的编码网络对所述FARM向量进行降维特征提取，得到抽象特征向量；

通过所述磁盘异常检测模型的解码网络对所述抽象特征向量进行解码操作，得到解码后向量；其中，所述解码网络为通过将真异常盘作为训练样本进行训练得到的网络；

判断所述解码后向量与所述FARM向量是否一致；

若是，则确定所述目标磁盘为异常磁盘；

若否，则确定所述目标磁盘为正常磁盘。

在本发明的一种具体实施方式中，对所述FARM日志进行特征提取，得到FARM向量，包括：

对所述FARM日志进行特征提取，各目标特征；

对各所述目标特征进行归一化操作，得到各归一化特征；

利用各所述归一化特征进行向量构建，得到所述FARM向量。