用于预测驱动器故障的方法、设备和计算机程序产品技术

本公开的实施例涉及用于预测驱动器故障的方法、设备和计算机程序产品。该方法包括：获取驱动器的运行数据，运行数据中的每条数据项指示驱动器在相应时间的一个或多个属性的值；从运行数据的数据项中标识一个或多个属性的空值；至少基于空值的标识，调整运行数据；以及利用机器学习模型来处理经调整的运行数据，以获得对驱动器在相应时间后的预定时间段内是否发生故障的故障预测。

【技术实现步骤摘要】
用于预测驱动器故障的方法、设备和计算机程序产品
本公开的实施例涉及计算机领域，并且更具体地，涉及用于预测驱动器故障的方法、设备和计算机程序产品。
技术介绍
随着计算机技术的不断发展，人们越来越依赖于服务器端的存储能力。一旦服务器中的任何驱动器出现故障，都可能造成数据丢失或服务终端，从而给用户带来巨大的影响。人们迫切地希望提前知晓服务器中的哪些驱动器可能未来会发生故障，以便于提前更换硬盘以避免硬盘故障所带来的不可接受的损失。因此，如何有效地预测驱动器可能发生的故障成为当前关注的热点。
技术实现思路
本公开的实施例提供一种用于预测驱动器故障的方案。根据本公开的第一方面，提出了一种用于预测驱动器故障的方法。该方法包括：获取驱动器的运行数据，运行数据中的每条数据项指示驱动器在相应时间的一个或多个属性的值；从运行数据的数据项中标识一个或多个属性的空值；至少基于空值的标识，调整运行数据；以及利用机器学习模型来处理经调整的运行数据，以获得对驱动器在相应时间后的预定时间段内是否发生故障的故障预测。根据本公开的第二方面，提出了一种用于预测驱动器故障的设备。该设备包括：至少一个处理单元；至少一个存储器，该至少一个存储器被耦合到该至少一个处理单元并且存储用于由该至少一个处理单元执行的指令，该指令当由该至少一个处理单元执行时，使得该设备执行动作，该动作包括：获取驱动器的运行数据，运行数据中的每条数据项指示驱动器在相应时间的一个或多个属性的值；从运行数据的数据项中标识一个或多个属性的空值；至少基于空值的标识，调整运行数据；以及利用机器学习模型来处理经调整的运行数据，以获得对驱动器在相应时间后的预定时间段内是否发生故障的故障预测。在本公开的第三方面，提供了一种计算机程序产品。该计算机程序产品被存储在非瞬态计算机存储介质中并且包括机器可执行指令，该机器可执行指令在设备中运行时使该设备执行根据本公开的第一方面所描述的方法的任意步骤。提供
技术实现思路
部分是为了以简化的形式来介绍对概念的选择，它们在下文的具体实施方式中将被进一步描述。
技术实现思路
部分无意标识本公开的关键特征或必要特征，也无意限制本公开的范围。附图说明通过结合附图对本公开示例性实施例进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显，其中，在本公开示例性实施例中，相同的参考标号通常代表相同部件。图1图示了本公开实施例可以在其中执行的环境的示意图；图2图示了根据本公开实施例的示例运行数据的示意图；图3图示了根据本公开实施例的用于预测驱动器故障的方法的流程图；图4图示了根据本公开实施例的测试驱动器故障预测的示意图；以及图5图示了可以用来实施本公开内容的实施例的示例设备的示意性框图。具体实施方式下面将参照附图更详细地描述本公开的优选实施例。虽然附图中显示了本公开的优选实施例，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。在本文中使用的术语“包括”及其变形表示开放性包括，即“包括但不限于”。除非特别申明，术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。如上文所描述，随着计算机技术的不断发展，人们越来越依赖于服务器端的存储能力。一旦服务器中的任何驱动器出现故障，都可能造成数据丢失或服务终端，从而给用户带来巨大的影响。因此，人们越来越关注如何能够提前向管理人员预警驱动器可能的故障。一般地，驱动器都配备有自我监控、分析和报告技术(Self-MonitoringAnalysisandReportingTechnology，SMART)来检测和报告各种驱动器可靠性指标。已有的一些驱动器故障预警模型可以通过SMART数据来预测即将出现的故障，某些驱动器制造商设计了内置于驱动器中的、基于SMART数据的故障预测模型。然而，这样内置模型仅仅是基于阈值条件的预测，其难以提供有效的估计。此外，在实际应用中，驱动器管理器所收集的驱动器的原始运行数据往往具有较大的噪音。在某些情况下，驱动器管理器可能无法收集到驱动器的某些特定属性的值，也即，在原始运行数据中被记录为空值。现有的故障预测方案难以基于这些原始运行数据进行有效的驱动器故障预测。根据本公开的实施例，提供了一种用于预测驱动器故障的方案。在该方案中，首先驱动器的原始运行数据可以被获取，该运行数据中的每条数据项指示驱动器在相应时间的一个或多个属性的值。随后，从运行数据的数据项中标识一个或多个属性的空值，并且至少基于空值的标识来调整运行数据。之后，经调整的运行数据可以被输入到机器学习模型，以获得对驱动器在相应时间后的预定时间段内是否发生故障的故障预测。通过这样的方式，可以自动地对原始运行数据进行预处理以解决原始数据中可能存在大量空值的问题，此外，通过利用机器学习模型来处理经调整后的运行数据，能够提高驱动器故障预测的准确度。以下将参照附图来具体描述本公开的实施例。图1示出了本公开的多个实施例能够在其中实现的示例环境100的示意图。在该示例环境100中，计算设备120可以接收驱动器的运行数据110。在一些实施例中，驱动器管理器可以收集与一个或多个驱动器在特定时间段内的属性相关联的运行数据110，并将其按照时间存储在存储器中。这些属性可以指示驱动器在特定时间段内的运行状态，诸如，开机次数、通电时间和坏扇区数等。在一些实施例中，驱动器管理器可以按天收集驱动器的运行数据110，并对每个数据项添加时间戳，以指示在特定时间段内该驱动器的一个或多个属性的值。图2示出了示例运行数据110。如图2所示，示例运行数据110可以包括与一个或多个驱动器在不同时间的一个或多个属性相关联的数据项210-1、210-2和210-M。为了方便描述，一个或多个数据项210-1、210-2和210-M统一或单独称为数据项210。在一些实施例中，如图2所示，示例运行数据110可以保存为表格的形式，其中示例运行数据110包括多个字段，例如，标识符202、时间戳204、属性1206-1、属性2206-2、…属性N206-N。具体地，标识符202可以指示与该数据项那个的驱动器的标识符，例如ID-1和ID-M；时间戳204可以指示与该数据项所对应的时间。此外，如上文所述，在实际应用场景中，驱动器管理器往往难以获取驱动器的全部属性的值，也即某些属性在该表格中是控制，例如驱动器ID-1在时间戳T2的属性1的值212、驱动器ID-M在时间戳T3的属性2的值214和属性N的值216均为空。传统的预测方法难以处理这样具有大量空值的噪音数据。在一些实施例中，驱动器可以是任何合适的类型，包括但不限于：串行连接小型本文档来自技高网...

【技术保护点】
1.一种用于预测驱动器故障的方法，包括：/n获取驱动器的运行数据，所述运行数据中的每条数据项指示所述驱动器在相应时间的一个或多个属性的值；/n从所述运行数据的数据项中标识所述一个或多个属性的空值；/n至少基于所述空值的标识，调整所述运行数据；以及/n利用机器学习模型来处理经调整的所述运行数据，以获得对所述驱动器在所述相应时间后的预定时间段内是否发生故障的故障预测。/n

【技术特征摘要】
1.一种用于预测驱动器故障的方法，包括：
获取驱动器的运行数据，所述运行数据中的每条数据项指示所述驱动器在相应时间的一个或多个属性的值；
从所述运行数据的数据项中标识所述一个或多个属性的空值；
至少基于所述空值的标识，调整所述运行数据；以及
利用机器学习模型来处理经调整的所述运行数据，以获得对所述驱动器在所述相应时间后的预定时间段内是否发生故障的故障预测。


2.根据权利要求1所述的方法，其中调整所述运行数据包括：
确定所述运行数据的第一数据项中标识出的空值的占比；以及
响应于所述占比超过占比阈值，从所述运行数据中移除所述第一数据项。


3.根据权利要求1或2所述的方法，其中调整所述运行数据包括：
将所述运行数据的数据项中标识出的空值设定为预定值。


4.根据权利要求1或2所述的方法，其中调整所述运行数据还包括：
基于所述运行数据确定指示所述驱动器的特定属性的属性变化值，所述属性变化值指示所述驱动器在第一时间的所述特定属性的值的变化程度；以及
将所述属性变化值添加到所述运行数据中对应于所述第一时间的第二数据项。


5.根据权利要求1所述的方法，其中所述驱动器为串联连接小型计算机系统接口驱动器，所述一个或多个属性包括所述驱动器的后台介质扫描属性。


6.根据权利要求1所述的方法，其中所述机器学习模型为随机森林模型。


7.根据权利要求1所述的方法，还包括：
利用所述机器学习模型处理测试运行数据，以获得对所述驱动器在于所述测试运行数据相应的时间后的预定时间段内是否发生故障的测试故障预测；以及
基于所述测试故障预测，调整所述机器学习模型的一个或多个超参数。


8.根据权利要求7所述的方法，其中所述一个或多个超参数包括所述预定时间段的长度。


9.一种用于预测驱动器故障的设备，包括：
至少一个处理单元；
至少一个存储器，所述至少一个存储器被耦合到所述至少一个处理单元并且存储用于由所述至少一个处理单元执行的指令，所述指令当由所述至少一个处理单元...

【专利技术属性】
技术研发人员：刘冰，刘星宇，
申请(专利权)人：伊姆西IP控股有限责任公司，
类型：发明
国别省市：美国;US