【技术实现步骤摘要】
本申请涉及计算机应用，特别是涉及一种磁盘故障预测方法、设备、可读存储介质及程序产品。
技术介绍
1、数据中心为各个行业的服务提供了强大的算力和存储能力。数据中心的存储磁盘数量庞大。因此如何保障硬盘的可靠性，减少因硬盘故障导致的服务器停机，降低因此引起的损失越来越重要。
2、目前，磁盘故障的解决方案主要包括了两大类，一种是通过软件技术，提供数据冗余等功能，防止因故障导致的数据丢失；另一种是对硬盘的健康状况相关指标进行监控，采用某种策略对其进行分析从而得到硬盘的健康状况。对于第二类方案中主要包括两类策略，一类是基于已有的专家知识制定相关的硬盘诊断规则，根据硬盘的实时状况进行预测分析，但这种方法往往不能精确的得到预测结果。另一类是基于机器学习算法，通过对硬盘数据进行训练，得到对应的预测模型。这种方法模型计算开销比较大，相对更加耗时。
3、综上所述，如何使得磁盘故障预测更高效且准确等问题，是目前本领域技术人员急需解决的技术问题。
技术实现思路
1、本申请的目的是提供一种磁盘故障预测方法、设备、可读存储介质及程序产品，以实现对磁盘进行高效且准确的故障预测。
2、为解决上述技术问题，本申请提供如下技术方案：
3、一种磁盘故障预测方法，包括：
4、获取多条检测数据信息，及每条检测数据信息对应的磁盘健康评分；
5、利用所述磁盘健康评分确定每条检测数据信息的归属，得到预测数据和直估数据；其中，所述预测数据的预测难度高于所述直估数
6、利用所述直估数据中检测数据信息对应的磁盘健康评分，确定第一故障预测结果；
7、将所述预测数据输入至目标模型进行故障预测，得到第二故障预测结果。
8、优选地，还包括：
9、将磁盘更换记录与所述第二故障预测结果进行比对，得到比对结果；
10、在利用训练数据对所述目标模型进行优化训练过程中，基于所述比对结果进行奖惩。
11、优选地，在利用训练数据对所述目标模型进行优化训练过程中，基于所述比对结果进行奖惩，包括：
12、利用所述比对结果确定奖惩值；
13、在利用所述训练数据对所述目标模型进行优化训练过程中，利用所述奖惩值指示所述目标模型的优化方向。
14、优选地，利用所述比对结果确定奖惩值，包括：
15、在所述比对结果对应所述磁盘更换记录与所述第二故障预测结果匹配的情况下，将预设的奖励值确定为所述奖惩值；
16、在所述比对结果对应所述磁盘更换记录与所述第二故障预测结果不匹配的情况下，则将预设的惩罚值确定为所述奖惩值。
17、优选地，在所述比对结果对应所述磁盘更换记录与所述第二故障预测结果匹配的情况下，将预设的奖励值确定为所述奖惩值，包括：
18、在所述比对结果对应所述磁盘更换记录与所述第二故障预测结果匹配的情况下，若所述磁盘更换记录为更换磁盘，则将预设第一奖励值确定为所述奖惩值；
19、在所述比对结果对应所述磁盘更换记录与所述第二故障预测结果匹配的情况下，若所述磁盘更换记录为未更换磁盘，则将预设第二奖励值确定为所述奖惩值；
20、其中，所述第一奖励值大于所述第二奖励值。
21、优选地，在利用所述训练数据对所述目标模型进行优化训练过程中，利用所述奖惩值指示所述目标模型的优化方向，包括：
22、在利用所述训练数据对所述目标模型进行优化训练过程中，将所述奖惩值代入优势函数计算期望奖励与预测奖励的差值；
23、基于所述差值，对所述目标模型进行更新。
24、优选地，将所述预测数据输入至目标模型进行故障预测，得到第二故障预测结果，包括：
25、在归属于预测数据的每条检测数据信息中增加厂商信息和磁盘属性信息；
26、完成数据增加后，将每条检测数据信息转换成一条向量；
27、将所得向量进行分组，得到向量组；
28、将所述向量组输入至所述目标模型进行故障预测，得到所述第二故障预测结果；其中，所述目标模型为学习了不同厂商和不同属性磁盘的故障预测能力的模型。
29、优选地，将所述向量组输入至所述目标模型进行故障预测，得到所述第二故障预测结果，包括：
30、将所述向量组输入至所述目标模型中，利用所述目标模型中信息交叉学习模块对所述向量组中不同特征维度之间进行交叉学习，得到有效特征；
31、利用所述策略网络中时序信息模块对所述有效特征进行整理，得到统计特性；
32、利用所述策略网络中的归一化层对所述统计特性进行归一化处理，得到所述第二故障预测结果。
33、优选地，利用所述策略网络中时序信息模块对所述有效特征进行整理，得到统计特性，包括：
34、利用所述时序信息模块中的编码器，确定所述有效特征中不同位置的依赖关系，得到全局特征表示；
35、利用所述时序信息模块中的残差网络，对所述全局特征表示进行残差处理，得到所述统计特性。
36、优选地，利用所述磁盘健康评分确定每条检测数据信息的归属，得到预测数据和直估数据之前，还包括：
37、对每条检测数据信息中的无效指标进行查找，在找出无效指标的情况下，对该条检测数据信息的无效指数加一；其中，每条检测数据信息包括多个指标；
38、若所述无效指数超出预设阈值，则删除该条检测数据信息。
39、优选地，若所述无效指数超出预设阈值，则删除该条检测数据信息，包括：
40、若所述无效指标超出预设阈值，则在获取该条检测数据信息对应磁盘信息后，删除该条检测数据信息；
41、利用所述磁盘信息，输出数据采集异常的提示信息。
42、优选地，获取多条检测数据信息，及每条检测数据信息对应的磁盘健康评分，包括：
43、利用磁盘自检工具对磁盘进行检测，得到多条检测数据信息；其中，一条检测数据信息包括多个指标数据；
44、获取每一条检测数据信息对应的指标阈值集合，并将该条检测数据信息中的各指标的当前状态值与所述标阈值集合中对应阈值进行比对；
45、根据状态比对结果，确定该条检测数据信息对应的磁盘健康评分。
46、一种磁盘故障预测装置，包括：
47、数据获取单元，用于获取多条检测数据信息，及每条检测数据信息对应的磁盘健康评分；
48、数据筛选单元，用于利用磁盘健康评分确定每条检测数据信息的归属，得到预测数据和直估数据；其中，所述预测数据的预测难度高于所述直估数据；
49、第一故障预测单元，用于利用直估数据中检测数据信息对应的磁盘健康评分，确定第一故障预测结果；
50、第二故障预测单元，用于将预测数据输入至目标模型进行故障预测，得到第二故障预测结果。
51、一种电子设备，包括：
52、存储器，用于存储计本文档来自技高网...
【技术保护点】
1.一种磁盘故障预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，还包括：
3.根据权利要求2所述的方法，其特征在于，在利用训练数据对所述目标模型进行优化训练过程中，基于所述比对结果进行奖惩，包括：
4.根据权利要求3所述的方法，其特征在于，利用所述比对结果确定奖惩值，包括：
5.根据权利要求4所述的方法，其特征在于，在所述比对结果对应所述磁盘更换记录与所述第二故障预测结果匹配的情况下，将预设的奖励值确定为所述奖惩值，包括：
6.根据权利要求3所述的方法，其特征在于，在利用所述训练数据对所述目标模型进行优化训练过程中，利用所述奖惩值指示所述目标模型的优化方向，包括：
7.根据权利要求1所述的方法，其特征在于，将所述预测数据输入至目标模型进行故障预测，得到第二故障预测结果，包括：
8.根据权利要求7所述的方法，其特征在于，将所述向量组输入至所述目标模型进行故障预测，得到所述第二故障预测结果，包括：
9.根据权利要求8所述的方法，其特征在于，利用所述策略网络中时序信息
10.根据权利要求1所述的方法，其特征在于，利用所述磁盘健康评分确定每条检测数据信息的归属，得到预测数据和直估数据之前，还包括：
11.根据权利要求10所述的方法，其特征在于，若所述无效指数超出预设阈值，则删除该条检测数据信息，包括：
12.根据权利要求1至11任一项所述的方法，其特征在于，获取多条检测数据信息，及每条检测数据信息对应的磁盘健康评分，包括：
13.一种电子设备，其特征在于，包括：
14.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至11任一项所述磁盘故障预测方法的步骤。
15.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时，实现权利要求1至11任一项所述磁盘故障预测方法的步骤。
...【技术特征摘要】
1.一种磁盘故障预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，还包括：
3.根据权利要求2所述的方法，其特征在于，在利用训练数据对所述目标模型进行优化训练过程中，基于所述比对结果进行奖惩，包括：
4.根据权利要求3所述的方法，其特征在于，利用所述比对结果确定奖惩值，包括：
5.根据权利要求4所述的方法，其特征在于，在所述比对结果对应所述磁盘更换记录与所述第二故障预测结果匹配的情况下，将预设的奖励值确定为所述奖惩值，包括：
6.根据权利要求3所述的方法，其特征在于，在利用所述训练数据对所述目标模型进行优化训练过程中，利用所述奖惩值指示所述目标模型的优化方向，包括：
7.根据权利要求1所述的方法，其特征在于，将所述预测数据输入至目标模型进行故障预测，得到第二故障预测结果，包括：
8.根据权利要求7所述的方法，其特征在于，将所述向量组输入至所述目标模型进行故障预测，得到所述第二故障预测结果，包括：...
【专利技术属性】
技术研发人员：高健，
申请(专利权)人：郑州云海信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。