一种磁盘故障预测方法、装置、终端及存储介质制造方法及图纸

本发明专利技术提供一种磁盘故障预测方法、装置、终端及存储介质，包括：采集磁盘特征信息和历史故障数据；利用sklearn对所述特征信息和历史故障数据进行预处理；利用利用监督式学习算法根据预处理后的特征信息和历史故障数据创建预测模型；通过将磁盘特征信息输入预测模型获取相应磁盘的故障预测结果。本发明专利技术能够对磁盘进行故障预测，提前获知磁盘的健康状况，便于及时采取相关的应对措施，降低风险和危害。

【技术实现步骤摘要】
一种磁盘故障预测方法、装置、终端及存储介质
本专利技术属于服务器测试
，具体涉及一种磁盘故障预测方法、装置、终端及存储介质。
技术介绍
随着大数据时代的到来，企业及个人需存储的数据量越来越大，磁盘作为数据的载体，其可靠性、稳定性、稳定性正接受着种种考验。如果磁盘发生故障，将导致数据丢失，甚至给用户带来难以恢复的损失。现有技术中，缺乏对磁盘故障预测的相关技术，只能在磁盘实际出现故障时采取相应的应对措施。对重要服务器上的磁盘通常根据往常的经验，根据磁盘的工作时长，定期的进行维护或更换，成本较高。且在磁盘发生意外故障时，往往对用户造成巨大损失。
技术实现思路
针对现有技术的不足，本专利技术提供一种磁盘故障预测方法、装置、终端及存储介质，以解决上述技术问题。第一方面，本申请实施例提供一种磁盘故障预测方法，所述方法包括：采集磁盘特征信息和历史故障数据；利用sklearn对所述特征信息和历史故障数据进行预处理；利用利用监督式学习算法根据预处理后的特征信息和历史故障数据创建预测模型；通过将磁盘特征信息输入预测模型获取相应磁盘的故障预测结果。结合第一方面，在第一方面的第一种实施方式中，所述采集磁盘特征信息和历史故障数据包括：根据目标服务器BMCIP登录目标服务器BMC；利用信息采集工具采集目标服务器的磁盘特征信息；将采集的磁盘特征信息保存为日志文件。结合第一方面，在第一方面的第二种实施方式中，所述利用sklearn对所述特征信息和历史故障数据进行预处理包括：对所述特征信息进行定量特征二值化处理；对所述历史故障数据进行定性特征独热编码处理。结合第一方面，在第一方面的第三种实施方式中，所述利用监督式学习算法根据预处理后的特征信息和历史故障数据创建预测模型包括：根据所述特征信息生成训练数据及并定义特征值；将所述历史故障数据作为所述训练数据集的标签值；利用监督式学习算法根据所述训练数据集和标签值创建初步预测模型；利用metrics对初步预测模型进行评估得到预测模型。第二方面，本申请实施例提供一种磁盘故障预测装置，所述装置包括：数据采集单元，配置用于采集磁盘特征信息和历史故障数据；预先处理单元，配置用于利用sklearn对所述特征信息和历史故障数据进行预处理；模型创建单元，配置用于利用利用监督式学习算法根据预处理后的特征信息和历史故障数据创建预测模型；结果获取单元，配置用于通过将磁盘特征信息输入预测模型获取相应磁盘的故障预测结果。结合第二方面，在第二方面的第一种实施方式中，所述数据采集单元包括：目标登录模块，配置用于根据目标服务器BMCIP登录目标服务器BMC；信息采集模块，配置用于利用信息采集工具采集目标服务器的磁盘特征信息；信息保存模块，配置用于将采集的磁盘特征信息保存为日志文件。结合第二方面，在第二方面的第二种实施方式中，所述预先处理单元包括：定量处理模块，配置用于对所述特征信息进行定量特征二值化处理；定性处理模块，配置用于对所述历史故障数据进行定性特征独热编码处理。结合第二方面，在第二方面的第三种实施方式中，所述模型创建单元包括：数据训练模块，配置用于根据所述特征信息生成训练数据及并定义特征值；标签设置模块，配置用于将所述历史故障数据作为所述训练数据集的标签值；初步创建模块，配置用于利用监督式学习算法根据所述训练数据集和标签值创建初步预测模型；模型评估模块，配置用于利用metrics对初步预测模型进行评估得到预测模型。第三方面，提供一种终端，包括：处理器、存储器，其中，该存储器用于存储计算机程序，该处理器用于从存储器中调用并运行该计算机程序，使得终端执行上述的终端的方法。第四方面，提供了一种计算机存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述各方面所述的方法。第五方面，提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各方面所述的方法。本专利技术的有益效果在于，本专利技术提供的磁盘故障预测方法、装置、终端及存储介质，基于机器学习算法，建立服务器磁盘故障的预测模型，在利用算法建模时，引入输入标签值，将现有的磁盘故障数据加入到预测模型中，节省计算时间，且获得的预测模型的准确性高，将磁盘的故障情况进行累计加入到预测模型中，可以不断提高评估的准确性。本专利技术能够对磁盘进行故障预测，提前获知磁盘的健康状况，便于及时采取相关的应对措施，降低风险和危害。此外，本专利技术设计原理可靠，结构简单，具有非常广泛的应用前景。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本申请一个实施例的方法的示意性流程图。图2是本申请一个实施例的方法的示意性流程图。图3为本专利技术实施例提供的一种终端的结构示意图。具体实施方式为了使本
的人员更好地理解本专利技术中的技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。下面对本申请中出现的关键术语进行解释。图1是本申请一个实施例的方法的示意性流程图。其中，图1执行主体可以为一种磁盘故障预测装置。如图1所示，该方法100包括：步骤110，采集磁盘特征信息和历史故障数据；步骤120，利用sklearn对所述特征信息和历史故障数据进行预处理；步骤130，利用利用监督式学习算法根据预处理后的特征信息和历史故障数据创建预测模型；步骤140，通过将磁盘特征信息输入预测模型获取相应磁盘的故障预测结果。可选地，作为本申请一个实施例，所述采集磁盘特征信息和历史故障数据包括：根据目标服务器BMCIP登录目标服务器BMC；利用信息采集工具采集目标服务器的磁盘特征信息；将采集的磁盘特征信息保存为日志文件。可选地，作为本申请一个实施例，所述利用sklearn对所述特征信息和历史故障数据进行预处理包括：对所述特征信息进行定量特征二值化处理；对所述历史故障数据进行定性特征独热编码处理。可选地，作为本申请一个实施例，所述利用监督式学习算法根据预处理后的特征信息和历史故障数据创建预测模型包括：根据所述特征信息生成训练数据及并定义特征值；将所述历史故障数据作为所述训练数据集的标签值；利用监督式学习算法根据所述训练数据集和标签值创建初步预测模型；利用metrics对初步预测模型进行评估得到预测模型。为了便于对本专利技术的理解，下面以本专利技术磁盘故障预测方法的原理，结合实施例中对磁盘进行故障预测的过程，对本专利技术提供的磁盘故障预测方法做进一步的描述。如图2所示，具体的，所述磁盘故障预测方法包括：S1、采集磁盘特征信息和历史故障数据。通过浪潮公司的信息采集工具——“InspurDiagLogCollect”工具采集不同厂商、不同型号的磁盘特征信息，形成训练数据集。该信息采集工具分为Linux版和Windows版，可以运行在不同平台上，支持远程采集和本地采集。在Linux环境下获取服务器磁盘信息的操作方法为本文档来自技高网...

【技术保护点】
1.一种磁盘故障预测方法，其特征在于，所述方法包括：采集磁盘特征信息和历史故障数据；利用sklearn对所述特征信息和历史故障数据进行预处理；利用利用监督式学习算法根据预处理后的特征信息和历史故障数据创建预测模型；通过将磁盘特征信息输入预测模型获取相应磁盘的故障预测结果。

【技术特征摘要】
1.一种磁盘故障预测方法，其特征在于，所述方法包括：采集磁盘特征信息和历史故障数据；利用sklearn对所述特征信息和历史故障数据进行预处理；利用利用监督式学习算法根据预处理后的特征信息和历史故障数据创建预测模型；通过将磁盘特征信息输入预测模型获取相应磁盘的故障预测结果。2.根据权利要求1所述的方法，其特征在于，所述采集磁盘特征信息和历史故障数据包括：根据目标服务器BMCIP登录目标服务器BMC；利用信息采集工具采集目标服务器的磁盘特征信息；将采集的磁盘特征信息保存为日志文件。3.根据权利要求1所述的方法，其特征在于，所述利用sklearn对所述特征信息和历史故障数据进行预处理包括：对所述特征信息进行定量特征二值化处理；对所述历史故障数据进行定性特征独热编码处理。4.根据权利要求1所述的方法，其特征在于，所述利用监督式学习算法根据预处理后的特征信息和历史故障数据创建预测模型包括：根据所述特征信息生成训练数据及并定义特征值；将所述历史故障数据作为所述训练数据集的标签值；利用监督式学习算法根据所述训练数据集和标签值创建初步预测模型；利用metrics对初步预测模型进行评估得到预测模型。5.一种磁盘故障预测装置，其特征在于，所述装置包括：数据采集单元，配置用于采集磁盘特征信息和历史故障数据；预先处理单元，配置用于利用sklearn对所述特征信息和历史故障数据进行预处理；模型创建单元，配置用于利用...

【专利技术属性】
技术研发人员：左聪越，
申请(专利权)人：郑州云海信息技术有限公司，
类型：发明
国别省市：河南,41