硬盘故障预测方法及装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114661566A(43)申请公布日2022.06.24(21)申请号202210167529.7G06N20/00(2019.01)(22)申请日2022.02.23(71)申请人京东科技信息技术有限公司地址100176北京市大兴区北京经济技术开发区科创十一街18号院2号楼6层601(72)发明人孙彬彬董可新陈国峰符庆明任杰轩(74)专利代理机构北京路浩知识产权代理有限公司11002专利代理师王治东(51)Int.Cl.G06F11/34(2006.01)G06F11/22(2006.01)G06K9/62(2022.01)权利要求书2页说明书10页附图3页(54)发明名称硬盘故障预测方法及装置(57)摘要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留出时间，保证基于硬盘的业务的正常运行。CN114661566ACN114661566A权利要求书1/2页1.一种硬盘故障预测方法，其特征在于，包括：获取与硬盘状态关联的实时日志数据；将所述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，所述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；并且，所述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。2.根据权利要求1所述的硬盘故障预测方法，其特征在于，所述实时日志数据包括：包含依据硬盘故障工单对应的故障信息的第一日志数据，包含依据故障硬盘告警与报错信息对应的故障信息的第二日志数据，正常硬盘对应的第三日志数据，以及，正常硬盘对应的第四日志数据；并且，所述故障预测模型在训练过程中，所述故障硬盘负样本包括所述第一日志数据和所述第二日志数据；所述正常硬盘正样本包括所述第三日志数据和所述第四日志数据。3.根据权利要求2所述的硬盘故障预测方法，其特征在于，所述第一日志数据和所述第三日志数属于SAMRT日志数据；所述第二日志数据和所述第四日志数据属于Message日志数据。4.根据权利要求1所述的硬盘故障预测方法，其特征在于，所述故障预测模型根据预设更新策略进行动态更新。5.根据权利要求4所述的硬盘故障预测方法，其特征在于，所述预设更新策略包括：定时任务触发更新、随机触发更新、故障预测结果偏离评价指标自动触发更新。6.根据权利要求5所述的硬盘故障预测方法，其特征在于，所述根据预设更新策略进行更新进一步包括：在特征池中，对基于所述故障硬盘负样本和所述正常硬盘正样本进行数据融合后获得数据进行特征分析与选择，提取相关性超过设定阈值的数据作为训练数据集；基于所述训练数据集，针对算法池中的不同算法模型进行训练，提取最优算法模型，作为更新后的故障预测模型；其中，所述不同算法模型属于机器学习中用于分类的算法。7.一种硬盘故障预测装置，其特征在于，包括：第一获取模块，用于获取与硬盘状态关联的实时日志数据；第一获取模块，用于将所述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，所述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；并且，所述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。8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述硬盘故障预测方法的步骤。9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述硬盘故障预测方法的步骤。2CN114661566A权利要求书2/2页10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述硬盘故障预测方法的步骤。3CN114661566A说明书1/10页硬盘故障预测方法及装置技术领域[0001]本公开涉及计算机技术领域，尤其涉及一种硬盘故障预测方法及装置。背景技术[0002]硬盘故障预测可以通过故障预测模型判断硬盘是否发生故障，但是相关技术中，硬盘故障预测准确率较低，通常在硬盘发生较严重的故障时才能预测得到硬盘发生故障，硬