[发明专利]存储装置的故障预测方法和装置

说明书

提供了一种存储装置的故障预测方法和装置，所述方法包括：将实时采集的所述存储装置的SMART数据输入到多个基分类模型中的每个基分类模型，以获取每个基分类模型输出的针对实时采集的所述存储装置的SMART数据的分类结果，其中，每个基分类模型利用多个存储装置的历史SMART数据和/或在线采集的所述多个存储装置的SMART数据训练而获得；基于多个基分类模型的分类结果确定实时采集的所述存储装置的SMART数据是健康数据还是故障数据；基于预定时间窗口内采集到的所述存储装置的SMART数据被确定为健康数据的SMART数据的数量和被确定为故障数据的SMART数据的数量来预测所述存储装置是否将出现故障。

技术领域

本申请涉及一种存储技术领域，更具体地，涉及一种存储装置的故障预测方法和装置。

背景技术

随着存储技术的发展，大量的存储装置被广泛使用。如果存储装置出现故障，则可能会给用户带来巨大损失。例如，基于闪存的固态硬盘(SSD)作为一种高性能存储介质，已经替代了传统的机械硬盘被广泛的应用于大规模数据中心，不幸的是，近年来闪存密度的增加也使得SSD可靠性降低，例如，数据中心的SSD的故障可导致停机，甚至是数据丢失。因此，如果对SSD故障提前进行预测并进行相应处理，则可以保证数据中心的稳定性，从而降低用户的损失。SMART数据是指硬盘内部管理器通过对硬盘自身进行监测和分析而生成的状态报告，该状态报告可包括硬盘健康度和硬盘异常信息，因此可以通过分析SMART数据对SSD故障进行预测。相关技术的基于SMART数据对SSD进故障预测的方法通常不适用于SSD，需要供应商根据专业领域的先验知识提供的SMART属性值的正常范围，并且目前存在训练正负样本不均衡以及预测模型老化的问题，限制了故障预测准确率的提高。因此，如何提供一种能提高存储装置的故障预测准确度的方案成为当前亟需解决的问题。

发明内容

本发明的目的在于提供一种存储装置的故障预测方法和装置，以至少解决上述相关技术中的问题，也可以不解决任何上述问题。

根据本公开示例性实施例的一个方面，提供一种存储装置的故障预测方法，包括：将实时采集的所述存储装置的SMART数据输入到多个基分类模型中的每个基分类模型，以获取每个基分类模型输出的针对实时采集的所述存储装置的SMART数据的分类结果，其中，每个基分类模型利用多个存储装置的历史SMART数据和/或在线采集的所述多个存储装置的SMART数据训练而获得；基于多个分类模型的分类结果确定实时采集的所述存储装置的SMART数据是健康数据还是故障数据；基于预定时间窗口内采集到的所述存储装置的SMART数据被确定为健康数据的SMART数据的数量和被确定为故障数据的SMART数据的数量来预测所述存储装置是否将出现故障。

根据本公开的实施例的存储装置的故障预测方法，通过基于预定时间窗口内获取的多个SMART数据的类别来预测存储装置的故障，可以有效提高预测结果的稳健性。

可选地，每个基分类模型为利用所述多个存储装置的历史SMART数据中的所有故障数据以及所述历史SMART数据中的健康数据的与每个基分类模型相应的第一子集训练而获得的初始基分类模型，其中，所述历史SMART数据中的健康数据被划分为多个第一子集，其中，所述多个第一子集彼此之间无交叉。

基于多数类下采样集成学习的预测方案，通过解决SMART数据中健康(Healthy)/故障(Failed)数据分布不均衡的问题，可有效的提升SSD故障预测的性能。