申请/专利权人：扬州万方科技股份有限公司

申请日：2021-04-21

公开（公告）日：2024-04-12

公开（公告）号：CN113076217B

主分类号：G06F11/07

分类号：G06F11/07;G06F11/30

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2024.04.02#著录事项变更;2021.07.23#实质审查的生效;2021.07.06#公开

摘要：基于国产平台的磁盘故障预测方法。提供了一种适用于带有AI卡的国产平台运行环境，提高存储系统可靠性的基于国产平台的磁盘故障预测方法。包括处理器、磁盘和人工智能计算加速卡，按如下步骤进行：1）、磁盘故障预测环境搭建，磁盘故障预测环境包括磁盘故障预测的软件功能模块和磁盘故障预测的开发运行环境；2）、磁盘故障预测流程，包括训练和推理步序，所述训练步序包括：SMART历史数据采集、数据处理、模型训练和模型评估，经过模型评估形成的数据模型形成可在线利用数据和存储至模型库，存储至模型库的数据作为离线利用数据。本发明使得运行效率提高，减轻了处理器的运行负担。

主权项：1.基于国产平台的磁盘故障预测方法，国产平台包括处理器、磁盘和人工智能计算加速卡，按如下步骤进行：1）、磁盘故障预测环境搭建，磁盘故障预测环境包括磁盘故障预测的软件功能模块和磁盘故障预测的开发运行环境；2）、磁盘故障预测流程，包括训练和推理步序，所述训练步序包括：SMART历史数据采集、数据处理、模型训练和模型评估，经过模型评估形成的数据模型形成可在线利用数据和存储至模型库，存储至模型库的数据作为离线利用数据；可在线利用数据和离线利用数据通过模型转换模块转换为pb或om格式模型文件；所述推理步序包括：SMART实时数据采集、应用程序初始化、预测模型、输出预测概率和判断，应用程序初始化，首先进行数据和应用程序的初始化，然后进行人工智能计算加速卡资源初始化，由人工智能计算加速卡实现对pb或om格式模型文件的在线和或离线处理；其特征在于，所述磁盘故障预测的软件功能模块构建，包括SMART历史数据模块、数据处理模块、模型训练模块、模型评估模块、模型转换模块、推理模块、推理结果再处理模块以及模型存储模块；所述磁盘故障预测的训练为：XS1）、SMART历史数据采集，通过所述SMART历史数据模块，采集预测点D天前的多条历史SMART数据，采集频率定为1-5次天；XS2）、数据处理，先通过所述数据处理模块对采集的数据进行分类，并生成标记数据集，异常样本标记为1，正常样本标记为0；再进行模型建立，对SMART历史数据进行特征筛选，对于其中重复数据或不完整数据的特征进行删除；再对剩余的特征进行标准化处理；XS3）、模型训练与评估，设定好训练超参后进行模型训练，模型评估结果显示精度已达到预期时，则将训练完成的模型保存至模型库中，否则进行再训练，得经过训练与评估的模型数据；XS4）、模型存储，将经过训练与评估的模型数据进行存储；所述磁盘故障预测的推理为：TS1）、将步骤XS3）或XS4）获得的经过训练与评估的模型数据进行模型格式转换，转换为AI卡可读的pb或om格式模型文件；转换后的pb或om格式模型文件待用；TS2）、获取正在实时运行磁盘的SMART数据，去掉与训练部分删除的特征同样列数的特征值，再按照训练部分的标准化处理方式处理数据；TS3）、应用程序初始化，首先进行数据和应用程序的初始化，然后进行AI卡资源初始化，利于AI卡调用并处理转换后的pb或om格式模型文件；TS4）、预测模型；输出概率，通过已完成初始化的推理应用程序调用离线模型执行推理运算，获取N天以后的磁盘发生故障的概率p；设定阈值θ，将推理得到的概率p与阈值θ进行对比，若p大于等于θ，则认为该磁盘N天后即将发生故障，若p小于θ，则认为该磁盘N天后为正常状态。

全文数据：

权利要求：

百度查询： 扬州万方科技股份有限公司 基于国产平台的磁盘故障预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD