[发明专利]一种硬盘诊断方法、系统、设备及存储介质

说明书

本发明提出了一种硬盘诊断方法，包括：以第一预定周期为间隔获取硬盘日志信息，并对硬盘日志信息进行解析以生成硬盘的第一硬盘特征数据并存入数据库中；以第二预定周期为间隔基于硬盘特征数据训练模型，并通过模型对硬盘进行诊断，同时统计诊断错误率；响应于所述诊断错误率满足预设条件，将当前模型的诊断结果作为新特征加入第一硬盘特征数据，并基于新的硬盘特征数据迭代生成新的模型对所述硬盘进行诊断。通过对历史的硬盘日志的迭代地生成多个决策树模型，极大地提高了在不同阶段对硬盘诊断的准确性。降低了对运维人员的技术要求，并且减少根据经验的判断去诊断硬盘的好坏，极大的提高了操作的简洁性，提高了效率。

技术领域

本发明属于计算机领域，具体涉及一种硬盘诊断方法、系统、设备及存储介质。

背景技术

伴随着大数据时代的到来，对服务的存储需求越来越大，尤其是受疫情的影响，大家都宅在家中，生成了海量数据，这样就对服务器的数据存储提出了很高的要求，存储硬盘的好坏对数据安全至关重要。诊断硬盘好坏的指标一直都是基于smart日志来判断的，smart日志诊断出来的信息有很多，然而对于哪些数据是诊断硬盘的关键数据，大家都是凭借经验去关联的，没有客观的依据，这样不仅提高了对运维人员的技术要求，而且根据经验不一定能准确的诊断硬盘的好坏。

因此，亟需一种可以有效应对上述问题的硬盘诊断方案。

发明内容

为解决以上问题，本发明提出了一种硬盘诊断方法，包括：

以第一预定周期为间隔获取硬盘日志信息，并对所述硬盘日志信息进行解析以生成所述硬盘的第一硬盘特征数据并存入数据库中；

以第二预定周期为间隔基于所述硬盘特征数据训练模型，并通过模型对硬盘进行诊断，同时统计诊断错误率；

响应于所述诊断错误率满足预设条件，将当前模型的诊断结果作为新特征加入所述第一硬盘特征数据，并基于新的硬盘特征数据迭代生成新的模型对所述硬盘进行诊断。

在本发明的一些实施方式中，以第二预定周期为间隔基于所述硬盘特征数据训练模型，并通过模型对硬盘进行诊断，同时统计诊断错误率，包括：

以第二预定周期为间隔基于所述第一硬盘特征数据进行训练以得到第一模型；

以第一预定周期为间隔基于所述第一模型对所述新生成的硬盘特征数据进行诊断分析并输出诊断结果，同时统计所述第一模型的诊断错误率。

在本发明的一些实施方式中，响应于所述诊断错误率满足预设条件，将当前模型的诊断结果作为新特征加入所述硬盘特征数据，并给予新的硬盘特征数据迭代生成新的模型对所述硬盘进行诊断，包括：

响应于所述第一模型诊断结果与真实值相比出现错误，统计所述第一模型的诊断错误率，将所述诊断结果作为第一特殊特征加入所述硬盘的特征数据以生成第二硬盘特征数据并存入数据库中。

响应于所述第一模型的诊断错误率达到第一预定值，停止所述第一模型的迭代训练，以第二预定周期为间隔基于所述第二硬盘特征数据训练第二模型并，并基于所述第二模型对所述新的硬盘特征数据进行诊断分析，输出诊断结果，统计所述第二模型的诊断错误率。

在本发明的一些实施方式中，响应于所述诊断错误率满足预设条件，将当前模型的诊断结果作为新特征加入所述硬盘特征数据，并给予新的硬盘特征数据迭代生成新的模型对所述硬盘进行诊断，包括：

响应于第二模型的诊断错误率达到第二预定值，停止所述第二模型的迭代训练，将所述第二模型的诊断结果作为第二特殊特征加入所述硬盘的特征数据以生成新的第三硬盘特征数据；以及

以第二预定周期间隔基于所述第三硬盘特征数据训练以得到第三模型，并通过所述第三模型对所述硬盘进行诊断。

在本发明的一些实施方式中，以第一预定周期为间隔获取硬盘日志信息包括：