一种存储设备故障检测方法及相关装置制造方法及图纸

本申请公开了一种存储设备故障检测方法，包括：对原始存储设备特征数据进行滑动窗口步长采样处理，得到三维训练矩阵和一维标签矩阵；采用Keras神经网络库根据所述三维训练矩阵和所述一维标签矩阵进行长短时记忆网络训练，得到LSTM检测模型；采用所述LSTM检测模型对待检测数据进行检测处理，得到故障检测结果。通过先进行采样处理提高样本的数据量，然后训练出LSTM检测模型对待检测数据进行检测处理，得到故障检测结果，提高了故障预测的准确性和精度。本申请还公开了一种存储设备故障检测装置、存储服务器以及计算机可读存储介质，具有以上有益效果。

A fault detection method and related devices for storage equipment

【技术实现步骤摘要】
一种存储设备故障检测方法及相关装置
本申请涉及存储设备
，特别涉及一种存储设备故障检测方法、存储设备故障检测装置、存储服务器以及计算机可读存储介质。
技术介绍
存储系统是指计算机中由存放程序和数据的各种存储设备、控制部件及管理信息调度的设备(硬件)和算法(软件)所组成的系统。计算机的主存储器不能同时满足存取速度快、存储容量大和成本低的要求，在计算机中必须有速度由慢到快、容量由大到小的多级层次存储器，以最优的控制调度算法和合理的成本，构成具有性能可接受的存储系统。在存储系统中，设备突然故障是制约系统稳定性和可靠性的主要因素之一，如何尽早预测出系统故障是实现主动预防提升系统性能的关键。基于机器学习方法构建故障预测分类模型就是当下最主流的做法。然而当前的研究没有关注故障数据的时序性问题，故障不是突然出现的，而是存在前后时间上的因果递进关系，如何能够挖掘出这种前后关系，对故障预测的意义重大。存储设备包含了硬盘、SSD、非易失内存等介质。可见，为了提高存储设备的可靠性需要对存储设备的故障进行检测，而现有技术中一般通过存储设备中个别状态信息进本文档来自技高网...

【技术保护点】
1.一种存储设备故障检测方法，其特征在于，包括：/n对原始存储设备特征数据进行滑动窗口步长采样处理，得到三维训练矩阵和一维标签矩阵；/n采用Keras神经网络库根据所述三维训练矩阵和所述一维标签矩阵进行长短时记忆网络训练，得到LSTM检测模型；/n采用所述LSTM检测模型对待检测数据进行检测处理，得到故障检测结果。/n

【技术特征摘要】
1.一种存储设备故障检测方法，其特征在于，包括：
对原始存储设备特征数据进行滑动窗口步长采样处理，得到三维训练矩阵和一维标签矩阵；
采用Keras神经网络库根据所述三维训练矩阵和所述一维标签矩阵进行长短时记忆网络训练，得到LSTM检测模型；
采用所述LSTM检测模型对待检测数据进行检测处理，得到故障检测结果。


2.根据权利要求1所述的存储设备故障检测方法，其特征在于，对原始存储设备特征数据进行滑动窗口步长采样处理，得到三维训练矩阵和一维标签矩阵，包括：
根据突变点检测算法对所述原始存储设备特征数据进行选择，得到原始特征值；
将所述原始特征值划分为训练集和测试集；
根据磁盘SMART规则、预设滑动大小以及预设步长对所述训练集和所述测试集进行样本点采样，得到所述三维训练矩阵；
对所述三维训练矩阵打标签处理，得到所述一维标签矩阵。


3.根据权利要求2所述的存储设备故障检测方法，其特征在于，根据磁盘SMART规则、预设滑动大小以及预设步长对所述训练集和所述测试集进行样本点采样，得到所述三维训练矩阵，包括：
根据所述SMART规则对所述训练集和所述测试集进行数据截取，得到SMART特征值；
按照所述预设滑动大小和所述预设步长对所述SMART特征值进行滑动窗口采样处理，得到所述三维训练矩阵。


4.根据权利要求1所述的存储设备故障检测方法，其特征在于，采用Keras神经网络库根据所述三维训练矩阵和所述一维标签矩阵进行长短时记忆网络训练，得到LSTM检测模型，包括：
采用所述Keras神经网络库构建出序贯模型；
对所述序贯模型添加LSTM隐藏层、全连接层以及输出层，并进行配置，得到长短时记忆网络；
根据所述三维训练矩阵和所述一维标签矩阵对所述长短时记忆网络进行训练，得到所述LSTM检测模型。


5.根据权利要求1所述的存储设备故障检测方法，其特征在于，采用所述LSTM检测模型对待检测数据进行检测处理，得到故障检测结果，包括：
对所述待...

【专利技术属性】
技术研发人员：王团结，苏楠，
申请(专利权)人：浪潮北京电子信息产业有限公司，
类型：发明
国别省市：北京;11