[发明专利]基于SMART信息和深度学习的硬盘损坏预测方法及装置

说明书

本发明公开了一种基于SMART信息和深度学习的硬盘损坏预测方法及装置，该方法包括：收集不同硬盘在不同时间段的SMART信息作为原始样本数据，并从中选取静态数据和时间序列数据两类训练样本数据；对训练样本数据进行筛选，提取出与硬盘故障相关的有效参数集，并标注得到标注训练数据；分别构建至少一个神经网络模型对标注静态数据和标注时间序列数据进行深度学习，得到相应的优化模型参数的神经网络模型；根据设定的定时策略获取存储系统中硬盘的SMART信息数据，提取有效参数集输入神经网络模型预测硬盘是否即将损坏。本发明能够准确地在机械硬盘即将损坏之前及时发现，以便在硬盘失效之前及时更换，可大幅度提高数据中心的高可用性和数据安全性。

技术领域

本发明涉及存储安全技术领域，特别是涉及一种基于硬盘SMART信息和深度学习的硬盘即将损坏的预测方法及装置。

背景技术

磁盘阵列或存储系统使用大量的机械硬盘，而机械硬盘(下面统称为硬盘)在整个存储系统中属于最容易受损的部件，尽管RAID技术可以有效应对硬盘损坏，但硬盘损坏仍然对系统的可靠性和高可用性带来巨大的影响。

硬盘的故障一般分为两种：可预测的(predictable)和不可预测的(unpredictable)。后者偶而会发生，也没有办法去预防它，例如芯片突然失效，机械撞击等。但像电机轴承磨损、盘片磁介质性能下降等都属于可预测的情况，可以在几天甚至几星期前就发现这种不正常的现象。如何能准确预测硬盘损坏，对存储系统的维护和安全起到关键性作用。

SMART，全称为“Self-Monitoring Analysis and Reporting Technology”，即“自我监测、分析及报告技术”，是一种自动的硬盘状态检测与预警系统和规范。通过在硬盘硬件内的检测指令对硬盘的硬件如磁头、盘片、马达、电路的运行情况进行监控、记录并与厂商所设定的预设安全值进行比较，若监控情况将或已超出预设安全值的安全范围，就可以通过主机的监控硬件或软件自动向用户作出警告。

SMART信号涉及硬盘工作及磨损状态数十种(超过30)参数，磁盘阵列厂家通常针对每个参数设定一个门阀值进行预警，这种方法虽然简单，但不能准确反映硬盘全局的健康状态，容易导致误报或不报，对磁盘阵列或存储系统的安全无法起到保护作用。

随着人工智能在计算机应用领域的发展，深度学习在各方面的应用越来越多，其效果较之传统算法也越来越显著。深度学习可以在提供大量可靠的数据情况下自动地学习模式的特征，并可以达到很好的分类精度。所以如何将使用人工智能深度学习方法有效应用到硬盘即将损坏的自动预测中是本发明的主要研究内容。

发明内容

发明目的：针对现有技术的不足，本发明目的在于提供一种基于硬盘SMART信息和深度学习的硬盘即将损坏的预测方法及装置，能够准确地在机械硬盘即将损坏之前及时发现，以便在硬盘失效之前及时更换，可大幅度提高数据中心的高可用性和数据安全性。

技术方案：为实现上述发明目的，本发明采用如下技术方案：

一种基于SMART信息和深度学习的硬盘损坏预测方法，包括如下步骤：

(1)收集不同硬盘在不同时间段的SMART信息数据作为原始样本数据，并从中选取两类训练样本数据，包括静态数据和时间序列数据；所述静态数据包括不同硬盘分别在健康状态下和即将损坏状态下的不同采集时间点的SMART信息数据，所述时间序列数据包括不同硬盘分别在健康状态下和即将损坏状态下的不同采集时间段内的SMART信息数据序列；所述健康状态为距离损坏时间点的时间大于设定的即将损坏天数阈值，即将损坏状态为距离损坏时间点的时间小于设定的即将损坏天数阈值；

(2)对训练样本数据进行筛选，从SMART信息数据中提取与硬盘故障相关的有效参数集，并进行健康和即将损坏类别标注得到标注训练数据；

(3)分别构建至少一个神经网络模型对标注静态数据和标注时间序列数据进行深度学习，得到相应的优化模型参数的神经网络模型；