磁盘失效预测方法、预测模型训练方法、电子设备技术

本发明专利技术提供了一种磁盘失效预测方法、预测模型训练方法、电子设备，该磁盘失效预测方法包括：获取待预测磁盘的预测数据集，所述预测数据集包括预测样本IO的IO信息和与所述预测样本IO相对应的SMART信息，其中，所述预测数据集采集于所述待预测磁盘的缓存盘加速场景；将所述预测数据集输入至预先训练好的预测模型，得出所述待预测磁盘的预测结果。根据本发明专利技术实施例提供的方案，能够结合IO信息和SMART信息，对所有类型的磁盘进行磁盘失效预测，有效降低了数据丢失的风险。了数据丢失的风险。了数据丢失的风险。

【技术实现步骤摘要】
磁盘失效预测方法、预测模型训练方法、电子设备


[0001]本专利技术涉及但不限于数据存储领域，尤其涉及一种磁盘失效预测方法、预测模型训练方法、电子设备。

技术介绍

[0002]随着网络技术和通信技术的发展，服务器数据中心的数据存储量快速增加。磁盘是数据存储的重要硬件设备，对于较为大型的数据中心，磁盘的数量通常较多。磁盘的使用寿命通常有限，在使用寿命的末期，磁盘的损坏几率会大幅增加。为了解决这个问题，通常采用副本技术或基于纠删码技术进行数据冗余，但是只能避免单个磁盘失效导致的数据丢失，当多个磁盘同时失效，依然存在数据丢失的风险。
[0003]基于此，通常需要在磁盘运行过程中对磁盘进行失效预测，在检测到失效风险较高的情况下及时更换磁盘，从而减少数据丢失的风险。常见的做法是采用训练好的预测模型进行失效预测，但是现有的预测模型所采用的训练数据通常是磁盘的自我监测分析及报告技术(Self
‑
Monitoring Analysis and Reporting Technology，SMART)信息，但是，SMART信息只能适用于磁本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种磁盘失效预测方法，包括：获取待预测磁盘的预测数据集，所述预测数据集包括预测样本IO的IO信息和与所述预测样本IO相对应的SMART信息，其中，所述预测数据集采集于所述待预测磁盘的缓存盘加速场景；将所述预测数据集输入至预先训练好的预测模型，得出所述待预测磁盘的预测结果。2.根据权利要求1所述的方法，其特征在于，所述IO信息还包括IO时间信息，所述将所述预测数据集输入至预先训练好的预测模型，得出所述待预测磁盘的预测结果，包括：确定预测周期，根据所述预测周期和所述IO时间信息从所述预测数据集中确定周期数据集；根据所述周期数据集和所述预测模型，得出所述待预测磁盘在所述预测周期中的周期失效概率；根据所述周期失效概率确定所述待预测磁盘的预测结果。3.根据权利要求2所述的方法，其特征在于，所述根据所述周期失效概率确定所述待预测磁盘的预测结果，包括：当所述周期失效概率大于与所述预测周期相对应的预设的概率阈值，将所述预测结果确定为高风险；当所述周期失效概率小于或等于所述概率阈值，将所述预测结果确定为低风险。4.根据权利要求3所述的方法，其特征在于，所述当所述周期失效概率大于所述概率阈值，将所述预测结果确定为高风险，包括：当所述周期失效概率大于所述概率阈值，确定所述周期失效概率所对应的预测周期为高风险周期；当所述预测周期被确定为高风险周期的次数大于预先设定的告警数阈值，将所述预测结果确定为高风险。5.根据权利要求1所述的方法，其特征在于，所述IO信息还包括IO时长和IO大小，所述待预测磁盘的缓存盘加速场景由以下步骤确定：获取所述待预测磁盘的IOPS，根据所述待预测磁盘的IOPS和所述IO大小确定时长阈值；当所述IO时长大于所述时长阈值，确定所述待预测磁盘处于缓存盘加速场景。6.根据权利要求1所述的方法，其特征在于，所述SMART信息至少包括如下之一：累计启停次数；累计加载卸载次数；成长坏道数；非媒介错误计数；不可修复的错误数。7.一种预测模型训练方法，包括：获取训练样本磁盘的预测训练样本集，所述预测训练样本集包括训练样本IO的训练样本IO信息和与所述训练样本IO相对应的训练样本SMART信息，其中，所述预测训练样本集采集于所述训练样本磁盘的缓存盘加速场景；根据所述预测训练样本集训练所述预测模型。
8.根据权利要求7所述的方法，其特征在于，所述训练样本IO信息包括训练样本IO时长和训练样本IO大小，所述训练样本磁盘的缓存盘加速场景由以下步骤确定：获取所述训练样本磁盘的IOPS，根据所...

【专利技术属性】
技术研发人员：宋顺，
申请(专利权)人：中兴通讯股份有限公司，
类型：发明
国别省市：