[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

摘要

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。

主权项

1.一种基于SMART信息和深度学习的硬盘损坏预测方法，其特征在于，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；（4）根据设定的定时策略获取存储系统中硬盘的SMART信息数据，得到静态预测数据和时间序列预测数据，并提取出有效参数集作为步骤（3）得到的相应神经网络模型的输入，根据神经网络模型的输出结果进行综合判断，得到相应硬盘是否即将损坏的预测结果。