基于SMART数据动态诊断硬盘故障的方法和装置制造方法及图纸

本发明专利技术公开了一种基于SMART数据动态诊断硬盘故障的方法和装置，涉及数据存储安全诊断领域，包括以下步骤：101建立云存储服务端，持续收集三类数据；102建立硬盘故障预警动态模型；103建立S.M.A.R.T.参数正常波动曲线和范围；104通过大数据分析，得出健康诊断评分动态模型。本发明专利技术的有益效果如下：1.建立云存储服务端，持续收集硬盘健康相关数据；2.将收集到的数据整理建立：硬盘故障预警动态模型、S.M.A.R.T.参数正常波；3.动曲线和范围、健康诊断评分动态模型，在硬盘故障诊断中，不断通过机器学习，提高模型的正确性。

【技术实现步骤摘要】

本专利技术属于数据存储安全诊断领域，涉及一种基于SMART数据动态诊断硬盘故障的方法和装置。
技术介绍
S.M.A.R.T.:全称为“Self-MonitoringAnalysisandReportingTechnology”，即“自我监测、分析及报告技术”，是现在硬盘普遍采用的数据安全技术，在硬盘工作的时候监测系统对电机、电路、磁盘、磁头的状态进行运行状况监测，当有异常发生的时候就会发出警告。云存储(CloudStorage)：是在云计算(CloudComputing)概念上延伸和发展出来的一个新的概念，是一种新兴的网络存储技术，是指通过集群应用、网络技术或分布式文件系统等功能，将网络中大量不同类型的存储设备通过应用软件集合起来协同工作，共同对外提供数据存储和业务访问功能的一个系统。归一化：也叫数据标准化，是一种简化计算的方式，即将有量纲的表达式，经过变换，化为无量纲的表达式，成为标量，是进行数据挖掘的一项基础工作。机器学习(MachineLearning)：这里所说的“机器”，指的就是计算机，电子计算机，中子计算机、光子计算机或神经计算机等等。机器学习是一门人工智能的科学，是用数据或以往的经验，使用“对比-调整-对比”，优化改进程序算法的性能。机器学习已广泛的应用在数据挖掘、自然语言处理、搜索引擎、医学诊断、语音和手写识别等领域。为实现相对安全的数据保护，上个世纪九十年代，S.M.A.R.T.技术应运而生。自从1996年6月成为行业标准后，时至今日，S.M.A.R.T.技术依然在为我们进行硬盘故障预测提供支持，众多硬盘故障检测分析预警的工具装置都依赖于此。但这些检测分析预警的工具装置存在如下问题：1、仅简单地从硬盘系统保留区读取出S.M.A.R.T.信息，以列表形式展现，众多非专业用户看不懂；2、仅有S.M.A.R.T.信息各项当前数值，无法将信息项数值收集整理成为历史曲线，从而进行更为精确地诊断；3、无法解决SSD固态硬盘上，不同硬盘厂商的不同主控、不同型号产品的S.M.A.R.T.项目、属性、描述不尽相同这一问题；4、对于可预测的硬盘危险，预警时间滞后，或无主动预警；5、错误的预警无法得到修正。
技术实现思路
本专利技术针对现有技术的不足，提供了一种基于SMART数据动态诊断硬盘故障的方法和装置，能够有效的解决现有技术以列表形式展现导致非专业用户看不懂；仅有S.M.A.R.T.信息各项当前数值，无法将信息项数值收集整理成为历史曲线，从而进行更为精确地诊断；无法解决SSD固态硬盘上，不同硬盘厂商的不同主控、不同型号产品的S.M.A.R.T.项目、属性、描述不尽相同等问题。为解决以上问题，本专利技术采用的技术方案如下：一种基于SMART数据动态诊断硬盘故障的方法，包括以下步骤：101建立云存储服务端，持续收集三类数据：一是硬盘类型数据，包括硬盘品牌和型号；二是S.M.A.R.T.参数数据及参数收集时间数据；三是操作系统记录的硬盘错误日志数据；102将收集到的S.M.A.R.T.参数数据及其对应的硬盘品牌、型号数据进行归一化处理，生成归一化S.M.A.R.T.数据集合；基于归一化S.M.A.R.T.数据集合和收集到的硬盘错误日志数据，建立硬盘故障预警动态模型；103将收集到的S.M.A.R.T.数据以参数为组，结合对应硬盘品牌、型号数据，形成不同品牌、不同型号硬盘S.M.A.R.T.参数动态变化曲线，统计得出硬盘健康运行S.M.A.R.T.参数正常波动范围，建立S.M.A.R.T.参数正常波动曲线和范围；104通过大数据分析，得出不同品牌不同型号硬盘的S.M.A.R.T.参数权重；根据硬盘厂商对S.M.A.R.T.预警参数的设定，结合训练学习数据，得出不同品牌不同型号硬盘新的预警参数及对硬盘健康的影响权重因数；设定一个满分值，根据新的S.M.A.R.T.参数权重和对硬盘健康的影响权重因数，设定扣分标准，得出健康诊断评分动态模型；基于硬盘故障预警动态模型、S.M.A.R.T.参数正常波动曲线和范围、健康诊断评分动态模型，对硬盘健康状况进行诊断评分，给出针对性建议；如果硬盘存在风险，自动进行预警；如果预警错误，启动机器学习。作为优选，102包括以下步骤：201数据归一化，采用Z-score标准化方法，具体公式为：其中，x为101收集的样本数据，x*为归一化后的数据，μ为所有样本数据的均值，σ为所有样本数据的标准差；202将归一化的数据按磁盘、磁头、磁头臂、马达、控制电路板、数据接口、主控和闪存颗粒进行分类；203将归一化的分类数据，按硬盘厂商、品牌、型号成组；204根据各厂商设定的各项S.M.A.R.T.参数的阈值，设置归一化后分类成组数据的预警值；搭建S.M.A.R.T.参数比对模型；组合各项对比模型、预警触发器形成硬盘故障预警动态模型；205读取待检硬盘S.M.A.R.T.参数数据，导入比对模型，当某项数据超过预警值，预警触发器启动，自动推送预警信息，提示用户硬盘故障所在；206读取并收集待检硬盘S.M.A.R.T.参数数据，归一化处理后，存入云存储端；根据待检硬盘S.M.A.R.T.参数数据和错误预警项，修正对应的归一化后分类成组数据的预警值，生成新的硬盘故障预警动态模型；将相关修正记录在云存储服务器。作为优选，103包括以下步骤：301调用云存储服务端收集到的S.M.A.R.T.参数及参数收集时间，以单项S.M.A.R.T.参数数据为纵轴，时间为横轴；生成单项S.M.A.R.T.参数曲线图；如此，生成全部单项S.M.A.R.T.参数曲线图；302根据单项S.M.A.R.T.参数曲线图，得出单项S.M.A.R.T.参数正常波动范围；303读取待检硬盘S.M.A.R.T.参数数据，导入比对模型，当某项数据突然超过正常波动范围，预警触发器启动，自动推送预警信息，提示用户硬盘故障所在；304读取并收集待检硬盘预警错误S.M.A.R.T.参数数据，修正正常波动范围：降低最小Min或者提高最大Max预警值，生成新的单项S.M.A.R.T.参数正常波动范围；将相关修正记录在云存储服务器。作为优选，104包括以下步骤：401根据S.M.A.R.T.参数以及硬盘健康诊断的需要，设定一级硬件故障侦测、二级使用累计统计和使用状态监测共两级权重等级，作为健康诊断的决策因素；402基于硬盘厂商原始设置、硬盘故障预警本文档来自技高网...

【技术保护点】
一种基于SMART数据动态诊断硬盘故障的方法，其特征在于：包括以下步骤：101建立云存储服务端，持续收集三类数据：一是硬盘类型数据，包括硬盘品牌和型号；二是S.M.A.R.T.参数数据及参数收集时间数据；三是操作系统记录的硬盘错误日志数据；102将收集到的S.M.A.R.T.参数数据及其对应的硬盘品牌、型号数据进行归一化处理，生成归一化S.M.A.R.T.数据集合；基于归一化S.M.A.R.T.数据集合和收集到的硬盘错误日志数据，建立硬盘故障预警动态模型；103将收集到的S.M.A.R.T.数据以参数为组，结合对应硬盘品牌、型号数据，形成不同品牌、不同型号硬盘S.M.A.R.T.参数动态变化曲线，统计得出硬盘健康运行S.M.A.R.T.参数正常波动范围，建立S.M.A.R.T.参数正常波动曲线和范围；104通过大数据分析，得出不同品牌不同型号硬盘的S.M.A.R.T.参数权重；根据硬盘厂商对S.M.A.R.T.预警参数的设定，结合训练学习数据，得出不同品牌不同型号硬盘新的预警参数及对硬盘健康的影响权重因数；设定一个满分值，根据新的S.M.A.R.T.参数权重和对硬盘健康的影响权重因数，设定扣分标准，得出健康诊断评分动态模型；基于硬盘故障预警动态模型、S.M.A.R.T.参数正常波动曲线和范围、健康诊断评分动态模型，对硬盘健康状况进行诊断评分，给出针对性建议；如果硬盘存在风险，自动进行预警；如果预警错误，启动机器学习。...

【技术特征摘要】
1.一种基于SMART数据动态诊断硬盘故障的方法，其特征在于：包括以
下步骤：
101建立云存储服务端，持续收集三类数据：一是硬盘类型数据，包括硬
盘品牌和型号；二是S.M.A.R.T.参数数据及参数收集时间数据；三是操作系统
记录的硬盘错误日志数据；
102将收集到的S.M.A.R.T.参数数据及其对应的硬盘品牌、型号数据进行
归一化处理，生成归一化S.M.A.R.T.数据集合；基于归一化S.M.A.R.T.数据
集合和收集到的硬盘错误日志数据，建立硬盘故障预警动态模型；
103将收集到的S.M.A.R.T.数据以参数为组，结合对应硬盘品牌、型号数
据，形成不同品牌、不同型号硬盘S.M.A.R.T.参数动态变化曲线，统计得出硬
盘健康运行S.M.A.R.T.参数正常波动范围，建立S.M.A.R.T.参数正常波动曲
线和范围；
104通过大数据分析，得出不同品牌不同型号硬盘的S.M.A.R.T.参数权重；
根据硬盘厂商对S.M.A.R.T.预警参数的设定，结合训练学习数据，得出不同品
牌不同型号硬盘新的预警参数及对硬盘健康的影响权重因数；设定一个满分
值，根据新的S.M.A.R.T.参数权重和对硬盘健康的影响权重因数，设定扣分标
准，得出健康诊断评分动态模型；基于硬盘故障预警动态模型、S.M.A.R.T.参
数正常波动曲线和范围、健康诊断评分动态模型，对硬盘健康状况进行诊断评
分，给出针对性建议；如果硬盘存在风险，自动进行预警；如果预警错误，启
动机器学习。
2.根据权利要求1所述的一种基于SMART数据动态诊断硬盘故障的方法，
其特征在于：102包括以下步骤：
201数据归一化，采用Z-score标准化方法，具体公式为：
\t其中，x为101收集的样本数据，x*为归一化后的数据，μ为所有样本数据的
均值，σ为所有样本数据的标准差；
202将归一化的数据按磁盘、磁头、磁头臂、马达、控制电路板、数据接
口、主控和闪存颗粒进行分类；
203将归一化的分类数据，按硬盘厂商、品牌、型号成组；
204根据各厂商设定的各项S.M.A.R.T.参数的阈值，设置归一化后分类成
组数据的预警值；搭建S.M.A.R.T.参数比对模型；组合各项对比模型、预警触
发器形成硬盘故障预警动态模型；
205读取待检硬盘S.M.A.R.T.参数数据，导入比对模型，当某项数据超过
预警值，预警触发器启动，自动推送预警信息，提示用户硬盘故障所在；
206读取并收集待检硬盘S.M.A.R.T.参数数据，归一化处理后，存入云存
储端；根据待检硬盘S.M.A.R.T.参数数据和错误预警项，修正对应的归一化后
分类成组数据的预警值，生成新的硬盘故障预警动态模型；将相关修正记录在
云存储服务器。
3.根据权利要求1或2所述的一种基于SMART数据动态诊断硬盘故障的
方法，其特征在于：103包括以下步骤：
301调用云存储服务端收集到的S.M.A.R.T.参数及参数收集时间，以单项
S.M.A.R.T.参数数据为纵轴，时间为横轴；生成单项S.M.A.R.T.参数曲线图；
如此，生成全部单项S.M.A.R.T.参数曲线图；
302根据单项S.M.A.R.T.参数曲线图，得出单项S.M.A.R.T.参数正常波
动范围；
303读取待检硬盘S.M.A.R.T.参数数据，导入比对模型，当某项数据突然
超过正常波动范围，预警触发器启动，自动推送预警信息，提示用户硬盘故障

\t所在；
304读取并收集待检硬盘预警错误S.M.A.R.T.参数数据，修正正常波动范
围：降低最小Min或...

【专利技术属性】
技术研发人员：梁效宁，张佳强，杨先珉，杨明，
申请(专利权)人：四川效率源信息安全技术股份有限公司，
类型：发明
国别省市：四川;51