[发明专利]面向大规模混合异构存储系统的节点故障预测系统及方法

摘要

本发明提供一种面向大规模混合异构存储系统的节点故障预测系统及方法。采用基于时间序列的关联规则挖掘算法构建节点故障预测系统架构，节点故障预测主要流程为：采集各存储节点的状态数据和日志信息，进行数据预处理并基于滑动窗口生成序列模式，序列模式与故障识别过程中提取的故障序列一起作为关联规则算法的输入，输出结果为典型故障序列，典型故障序列与实时产生的序列模式进行匹配，匹配结果满足既定规则则发出预警通知系统管理员，管理员可根据主观兴趣度对预测结果给予反馈。本发明针对大规模混合异构存储系统的节点进行实时在线故障预测，能够获得比现有故障预测算法更好的准确率和查全率，以及更好的可扩展性。

主权项

1.一种面向大规模混合异构存储系统的节点故障预测系统，其特征在于：该预测系统包括数据收集模块、消息预处理模块、故障识别模块、关联规则挖掘模块、典型故障序列数据库及故障预测模块；所述数据收集模块将所在存储节点的日志信息和状态数据发送至消息预处理模块；所述消息预处理模块将存储节点的日志信息处理后按时间窗口提取日志类型，将提取的日志类型进行排列，得到各个时间窗口对应的序列模式；消息预处理模块利用存储节点的状态数据获取存储节点的性能异常信息；所述故障识别模块利用存储节点的性能异常信息以及系统事件日志对发生故障的存储节点的故障源进行定位，并根据时间窗口的划定，提取存储节点故障发生时间前的观察时间内的各序列模式作为故障序列；所述关联规则挖掘模块计算各故障序列对故障源的置信度C和代表度R，根据每个故障序列的置信度C和代表度R的加权和W，将W符合要求的对应故障序列加入典型故障序列数据库中对应于该故障源的典型故障序列集中；所述代表度其中，|AFi|表示某故障序列在故障发生时间前的观察时间内出现的总次数，|Fi|表示所述故障对应故障源在所有时间窗口内出现的总次数；所述故障预测模块将存储节点当前观察时间内的各序列模式在典型故障序列数据库中进行匹配，根据匹配结果进行故障源分类统计，依据统计结果输出预测的故障源。