[发明专利]一种CDN硬盘可靠运行状态的实时监控方法及系统

权利要求书

1.一种CDN硬盘可靠运行状态的实时监控方法，其特征在于，包括以下步骤：

S1：获取硬盘smart数据，构建硬盘安全运行状态评价模型，得出每台硬盘的当前运行状态；

S2：基于硬盘的当前运行状态，对每个参数的权重进行修正，然后基于硬盘安全运行状态进行相对性评价，评价不同硬盘的安全运行状态。

2.根据权利要求1所述的额CDN硬盘可靠运行状态的实时监控方法，其特征在于，还包括S3：根据评价结果，将存在风险的硬盘向管理员发送警告。

3.根据权利要求1所述的CDN硬盘可靠运行状态的实时监控方法，其特征在于，所述S1中构建硬盘安全运行状态评价模型，包括以下步骤：

S101：采集硬盘smart数据；

S102：处理硬盘smart数据；

S103：拆分硬盘smart数据；

S104：通过离线训练分类器得到分类超平面，并离线验证硬盘当前状态。

4.根据权利要求3所述的CDN硬盘可靠运行状态的实时监控方法，其特征在于，所述S102具体是：采用主成分分析法将硬盘smart数据降维，并映射到特征空间。

5.根据权利要求4所述的CDN硬盘可靠运行状态的实时监控方法，其特征在于，所述S103具体是：将S102处理后的硬盘smart数据采用高斯核函数处理，然后拆分为训练数据集和预测数据集。

6.根据权利要求5所述的CDN硬盘可靠运行状态的实时监控方法，其特征在于，

所述S104中离线训练分类器，包括以下步骤：

在训练数据集中，硬盘smart数据包括底层数据读取错误率、磁盘读写通量性能、主轴起旋时间、启停计数、重映射扇区计数，依次分别标记为K_n，其中n＝1,2,3,4,5；

将K₁作为正集，K₂、K₃、K₄、K₅作为负集，K₁、K₂、K₃、K₄、K₅一同输入到SVM训练机器学习算法中进行训练，得到分类超平面f₁(x)；

将K₂作为正集，K₁、K₃、K₄、K₅作为负集，K₁、K₂、K₃、K₄、K₅一同输入到SVM训练机器学习算法中进行训练，得到分类超平面f₂(x)；

将K₃作为正集，K₁、K₂、K₄、K₅作为负集，K₁、K₂、K₃、K₄、K₅一同输入到SVM训练机器学习算法中进行训练，得到分类超平面f₃(x)；

将K₄作为正集，K₁、K₂、K₃、K₅作为负集，K₁、K₂、K₃、K₄、K₅一同输入到SVM训练机器学习算法进行训练，得到分类超平面f₄(x)；

将K₅作为正集，K₁、K₂、K₃、K₄作为负集，K₁、K₂、K₃、K₄、K₅一同输入到SVM训练机器学习算法进行训练，得到分类超平面f₅(x)；

其中，分类超平面f_m(x)＝ω^TX+b，m＝1,2,3,4,5；其中，ω^T为分类超平面的斜率，X＝[x₁,x₂,…,x₄]，b为常数；

所述S104中离线验证硬盘当前状态具体是：

计算并比较预测数据集中每类数据到所对应的分类超平面f₁(x)、f₂(x)、f₃(x)、f₄(x)、f₅(x)的欧氏距离，欧氏距离最小的分类超平面f_m(x)，即为硬盘的当前运行状态。