硬盘故障预测方法及装置.pdf
努力****绮亦
亲,该文档总共16页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
硬盘故障预测方法及装置.pdf
本公开提供一种硬盘故障预测方法及装置,包括:获取与硬盘状态关联的实时日志数据;将实时日志数据输入至故障预测模型,获取硬盘故障预测结果;其中,故障预测模型基于故障硬盘负样本和正常硬盘正样本训练获得;故障硬盘负样本的采样时间区间为比故障上报时间点早一个预定采样周期的时间点至故障上报时间点之间的时间段。采用在故障上报点之前的一段时间的日志数据训练故障预测模型,使故障预测模型在训练时能够学习硬盘发生故障之前的特征,有利于故障预测模型在预测时,使故障预测模型能够对硬盘故障进行更加准确和及时的预测,为硬盘的修复或更换
一种面向硬盘故障预测的特征选择方法及硬盘故障预测方法.pdf
本发明公开了一种面向硬盘故障预测的特征选择方法及硬盘故障预测方法。本发明特征选择方法包括:1)以设定时间间隔T采集所选w块硬盘的SMART信息p次;所述SMART信息为硬盘的N维特征信息;2)分别计算每一维特征p次采集的特征值的方差或标准差,过滤掉方差或标准差小于设定阈值y的M个特征,保留剩余的N‑M个特征;3)选用x种算法对所保留的N‑M个特征分别进行重要程度的排序,生成x个序列;4)计算所保留的每一特征在各序列中位置的平均值,根据平均值对特征进行排序,生成序列b;5)从该序列b中选取前k个特征并测试每
一种云硬盘故障预测方法、装置、系统及可读存储介质.pdf
本发明公开了一种云硬盘故障预测方法、装置、系统及计算机可读存储介质,包括:获取当前时刻的SMART信息;采用预先建立的云硬盘故障预测模型对当前时刻的SMART信息进行分析,得到包含云硬盘状态等级的预测结果;其中,云硬盘故障预测模型的建立过程为:采用随机森林算法对各个原始历史SMART信息进行特征选择,确定出各个重要特征;将各个原始历史SMART信息中的各个重要特征保留,得到SMART信息样本集;采用机器学习算法对SMART信息样本集进行训练,得到云硬盘故障预测模型;本发明中所建立的云硬盘故障预测模型的更加
硬盘故障预测方法、计算设备及存储介质.pdf
本申请实施例公开了一种硬盘故障预测方法、计算设备及存储介质,该方法包括:获取第一HDD的工作参数,该工作参数为在该第一HDD响应IO请求的过程中该第一HDD的内部硬件反映的参数;若该工作参数与该工作参数的标准值之间的关系满足对应预设条件,则对该第一HDD内的数据进行重构。通过在该工作参数和该标准值之间的关系满足对应预设条件时,确定该第一HDD即将达到发生故障的临界点,然后对该第一HDD内的数据进行重构,从而可以避免第一HDD内部硬件的故障带来的短时间内的频繁报错,保障计算设备的数据安全和业务开展。
故障预测模型构建方法、装置及故障预警方法、装置.pdf
故障预测模型构建方法、装置及故障预警方法、装置,涉及故障检测技术领域。本发明是为了解决现有基于决策树预测方法所搭建的充电桩故障预测模型容易出现过拟合问题,训练数据与测试数据预测效果相差较大,样本数据较多时,预测效果受到干扰的问题。本发明构建的二叉决策树模型是调优ID3算法和CART算法,保留了原ID3算法的纯度度量准则,还有将多叉树改为了二叉树,并引入剪枝,简化运算过程,提高运行效率,使得ID3和CART算法拥有相同的结构,能够处理大量的数据。通过粒子群对决策树参数以及剪枝的寻优,防止整棵树的分支过多,避