[发明专利]磁盘的故障预测方法和装置

说明书

本发明公开了一种磁盘的故障预测方法和装置。其中，该方法包括：通过磁盘监控技术获取磁盘的样本磁盘数据，其中，样本磁盘数据包括多个维度上的样本数据；采用Bucketing技术对样本磁盘数据进行分箱处理，对样本磁盘数据进行分类；采用Owlqn模型对分类后的样本磁盘数据进行样本训练，得到磁盘预测模型；在接收到待测磁盘的磁盘数据之后，使用磁盘预测模型对待测磁盘的磁盘数据进行处理，确定待测磁盘是否为故障磁盘。本发明解决了现有技术的硬盘故障预测系统中一些容易致使硬盘故障的因素不能被采集或量化导致的预测结果不准确的技术问题。

技术领域

本发明涉及磁盘领域，具体而言，涉及一种磁盘的故障预测方法和装置。

背景技术

目前，硬盘是存储数据的主要介质，硬盘一旦出故障，便会造成巨大的数据损失。因此如何保证硬盘的稳定性能非常重要。在通常状态下，硬盘在24小时中出错的概率在是万分之一左右，当一台服务器具有十块硬盘时，服务器硬盘出错的概率就会上升到千分之一，而随着当前网站等业务的发展，服务器需要使用的硬盘会越来越多，多块硬盘同时出错的概率也会提升。

通常情况下，数据存储通常会有多个备份，如mysql主备库，GFS文件默认3个备份。在大量数据存储平台上，如果多个硬盘同时出故障，那么这些硬盘上存储着同一个文件的备份的概率就会很高，即如果多块硬盘同时出现故障，就会导致一些文件的丢失，对于一些线上的服务，大都依赖于服务器中存储的海量数据，如果硬盘出故障，就会导致上述在线服务异常，甚至暂停使用。

由于上述原因，需要具有预测硬盘是否会出错的系统需要有一套系统能提前告诉我们哪些硬盘会出错，数据可能丢失导致硬盘故障的原因有很多，最常见的有以下几种：外部振动、温度和湿度、电器元件损坏、声音和灰尘，在上述因素中，有些因素能够被采集到，比如温度和湿度、一些元器件数据，但是更多的数据无法被采集和量化，因此便会导致预测结果不准确。

针对现有技术的硬盘故障预测系统中一些容易致使硬盘故障的因素不能被采集胡或量化导致的预测结果不准确的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种磁盘的故障预测方法和装置，以至少解决现有技术的硬盘故障预测系统中一些容易致使硬盘故障的因素不能被采集或量化导致的预测结果不准确的技术问题。

根据本发明实施例的一个方面，提供了一种磁盘的故障预测方法，包括：通过磁盘监控技术获取磁盘的样本磁盘数据，其中，样本磁盘数据包括多个维度上的样本数据；采用Bucket ing技术对样本磁盘数据进行分箱处理，对样本磁盘数据进行分类；采用Owlqn模型对分类后的样本磁盘数据进行样本训练，得到磁盘预测模型；在接收到待测磁盘的磁盘数据之后，使用磁盘预测模型对待测磁盘的磁盘数据进行处理，确定待测磁盘是否为故障磁盘。

根据本发明实施例的另一方面，还提供了一种磁盘的故障预测装置，包括：获取模块，用于通过磁盘监控技术获取磁盘的样本磁盘数据，其中，样本磁盘数据包括多个维度上的样本数据；分类模块，用于采用Bucket ing技术对样本磁盘数据进行分箱处理，对样本磁盘数据进行分类；训练模块，用于采用Owlqn模型对分类后的样本磁盘数据进行样本训练，得到磁盘预测模型；确定模块，用于在接收到待测磁盘的磁盘数据之后，使用磁盘预测模型对待测磁盘的磁盘数据进行处理，确定待测磁盘是否为故障磁盘。

在本发明实施例中，采用通过磁盘监控技术获取磁盘的样本磁盘数据，其中，样本磁盘数据包括多个维度上的样本数据；采用Bucketing技术对样本磁盘数据进行分箱处理，对样本磁盘数据进行分类；采用Owlqn模型对分类后的样本磁盘数据进行样本训练，得到磁盘预测模型的方式，通过在接收到待测磁盘的磁盘数据之后，使用磁盘预测模型对待测磁盘的磁盘数据进行处理，达到了确定待测磁盘是否为故障磁盘的目的，从而实现了预测磁盘故障的技术效果，进而解决了现有技术的硬盘故障预测系统中一些容易致使硬盘故障的因素不能被采集或量化导致的预测结果不准确的技术问题。

附图说明