一种存储介质故障预测的方法、装置、设备及介质与流程

1.本发明涉及计算机领域，并且更具体地涉及一种存储介质故障预测的方法、装置、设备及可读存储介质。


背景技术：

2.当前市场上存储介质主要包括raid卡和硬盘，不同的厂家的raid卡和硬盘都只能对本厂家的存储介质进行故障诊断，但是针对不同raid卡和硬盘的通用故障预测的方法比较少，且准确性也不高。


技术实现要素：

3.有鉴于此，本发明实施例的目的在于提出一种存储介质故障预测的方法、装置、设备及可读存储介质，通过使用本发明的技术方案，能够对不同厂商的各种型号的存储介质进行故障预测，有效的降低了因存储介质发生故障导致数据丢失和服务器产生宕机的风险，能够提前通知用户更换将要产生故障的存储介质。
4.基于上述目的，本发明的实施例的一个方面提供了一种存储介质故障预测的方法，包括以下步骤：采集存储介质的特征参数，并设定每个特征参数的阈值；计算每个特征参数造成存储介质故障的权重，并基于权重和阈值构建故障值公式；基于数据样本和故障值公式校正每个特征参数的阈值；基于每个特征参数的增量值、故障值公式和校正后的阈值构建故障预测模型，并基于故障预测模型预测存储介质产生故障的剩余时间。
5.根据本发明的一个实施例，所述计算每个特征参数造成存储介质故障的权重的步骤包括：计算特征参数引起存储介质故障的估算概率；计算特征参数取值为时引起存储介质故障的条件概率；基于估算概率和条件概率计算每个特征参数引起存储介质故障的概率；基于每个特征参数引起存储介质故障的概率计算每个特征参数造成存储介质故障的权重。
6.根据本发明的一个实施例，所述计算特征参数引起存储介质故障的估算概率的步骤包括：采用m个存储介质作为样本计算权重；使用公式：计算特征参数引起存储介质故障的估算概率，其中为估算概率，为特征c的样本个数，为样本的总个数。
7.根据本发明的一个实施例，所述计算特征参数取值为时引起存储介质故障的条
件概率的步骤包括：使用公式：计算特征参数取值为时引起存储介质故障的条件概率，其中为特征参数取值为时引起存储介质故障的条件概率，为特征的值为的样本个数，为特征的样本个数。
8.根据本发明的一个实施例，所述基于估算概率和条件概率计算每个特征参数引起存储介质故障的概率的步骤包括：基于公式：计算每个特征参数引起存储介质故障的概率，其中为每个特征参数的编号，为特征参数的数量，的值，为每个特征参数引起存储介质故障的概率，为特征参数引起存储介质故障的估算概率，为特征参数取值为时引起存储介质故障的条件概率。
9.根据本发明的一个实施例，所述基于每个特征参数引起存储介质故障的概率计算每个特征参数造成存储介质故障的权重的步骤包括：使用公式：计算每个特征参数引起存储介质故障的权重，其中为每个特征参数引起存储介质故障的概率，其中为每个特征参数的编号，为特征参数的数量，为每个特征参数造成存储介质故障的权重。
10.根据本发明的一个实施例，所述基于权重和阈值构建故障值公式的步骤包括：将所述故障值公式构建为：，其中为故障值，为每个特征参数的编号，为特征参数的数量，为每个特征参数造成存储介质故障的权重，为每个特征参数的阈值，为特征参数当前值。
11.根据本发明的一个实施例，所述基于数据样本和所述故障值公式校正每个特征参数的阈值的步骤包括：获取发生故障的存储介质的特征参数的值作为数据样本；基于所述数据样本按照采集的时间顺序分别计算故障值；在所述故障值由小于0逐渐趋近于0时，逐步调整各个特征参数的阈值直到故障值为0；将调整后的各个特征参数的阈值作为校正后的特征参数的阈值。
12.根据本发明的一个实施例，还包括：计算b次采集间隔后特征参数的增量的平均值
∆
x ̃
；使用表示b次采集间隔后特征参数的增量值。
13.根据本发明的一个实施例，所述基于每个特征参数的增量值、所述故障值公式和校正后的阈值构建故障预测模型的步骤包括：将故障预测模型构建为：，其中为故障值，
为每个特征参数的编号，为特征参数的数量，为每个特征参数造成存储介质故障的权重，为每个特征参数的阈值，为特征参数当前值，为b次采集间隔后特征参数的增量值。
14.根据本发明的一个实施例，所述基于所述故障预测模型预测存储介质产生故障的剩余时间的步骤包括：计算每个采集时间对应的故障值；基于所述计算的故障值和对应的采集时间构建二维曲线图；计算预设时间内的平均故障值；基于所述平均故障值和二维曲线图计算存储介质产生故障的剩余时间。
15.根据本发明的一个实施例，所述计算每个采集时间对应的故障值的步骤包括：重新采样存储介质的特征参数，并记录采集时间；基于所述故障预测模型计算每个采集时间对应的故障值。
16.根据本发明的一个实施例，所述计算预设时间内的平均故障值的步骤包括：基于当前时间设定滑动时间窗口l；统计所述滑动时间窗口l内的每个特征参数的平均值；基于所述每个特征参数的平均值和所述故障预测模型计算平均故障值。
17.根据本发明的一个实施例，所述基于所述平均故障值和二维曲线图计算存储介质产生故障的剩余时间的步骤包括：基于所述平均故障值和二维曲线图计算平均故障值对应的采集时间；基于所述平均故障值对应的采集时间和所述二维曲线图计算存储介质产生故障的剩余时间。
18.根据本发明的一个实施例，所述基于所述平均故障值对应的采集时间和所述二维曲线图计算存储介质产生故障的剩余时间的步骤包括：基于所述二维曲线图计算故障值为0时的时间；使用所述故障值为0时的时间减所述平均故障值对应的采集时间得到存储介质产生故障的剩余时间。
19.根据本发明的一个实施例，所述基于当前时间设定滑动时间窗口l的步骤包括：将滑动时间窗口l设定为当前时间减l/2到当前时间+l/2。
20.根据本发明的一个实施例，所述采集存储介质的特征参数的步骤包括：每间隔阈值时间查询存储介质的日志信息；采集日志信息中能够反应储存介质的状态及性能指标的特征参数。
21.根据本发明的一个实施例，所述设定每个特征参数的阈值的步骤包括：获取阈值数量的发生故障的存储介质；统计每个存储介质发生故障时每个特征参数的值；统计每个特征参数的相同值的数量；将每个特征参数的相同值的数量最多的值作为对应特征参数的阈值。
22.本发明的实施例的另一个方面，还提供了一种存储介质故障预测的装置，装置包括：采集模块，采集模块配置为采集存储介质的特征参数，并设定每个特征参数的阈
值；计算模块，计算模块配置为计算每个特征参数造成存储介质故障的权重，并基于权重和阈值构建故障值公式；校正模块，校正模块配置为基于数据样本和故障值公式校正每个特征参数的阈值；构建模块，构建模块配置为基于每个特征参数的增量值、故障值公式和校正后的阈值构建故障预测模型，并基于故障预测模型预测存储介质产生故障的剩余时间。
23.本发明的实施例的另一个方面，还提供了一种计算机设备，该计算机设备包括：至少一个处理器；以及存储器，存储器存储有可在处理器上运行的计算机指令，指令由处理器执行时实现上述任意一项方法的步骤。
24.本发明的实施例的另一个方面，还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述任意一项方法的步骤。
25.本发明具有以下有益技术效果：本发明实施例提供的存储介质故障预测的方法，通过采集存储介质的特征参数，并设定每个特征参数的阈值；计算每个特征参数造成存储介质故障的权重，并基于权重和阈值构建故障值公式；基于数据样本和故障值公式校正每个特征参数的阈值；基于每个特征参数的增量值、故障值公式和校正后的阈值构建故障预测模型，并基于故障预测模型预测存储介质产生故障的剩余时间的技术方案，能够对不同厂商的各种型号的存储介质进行故障预测，有效的降低了因存储介质发生故障导致数据丢失和服务器产生宕机的风险，能够提前通知用户更换将要产生故障的存储介质。
附图说明
26.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的实施例。
27.图1为根据本发明一个实施例的存储介质故障预测的方法的示意性流程图；图2为根据本发明一个实施例的存储介质故障预测的方法的示意图；图3为根据本发明一个实施例的特征参数增量的示意图；图4为根据本发明一个实施例的二维曲线的示意图；图5为根据本发明一个实施例的时间窗口的示意图；图6为根据本发明一个实施例的特征参数和故障数分布的示意图；图7为根据本发明一个实施例的存储介质故障预测的装置的示意图；图8为根据本发明一个实施例的计算机设备的示意图；图9为根据本发明一个实施例的计算机可读存储介质的示意图。
具体实施方式
28.为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明实施例进一步详细说明。
29.基于上述目的，本发明的实施例的第一个方面，提出了一种存储介质故障预测的方法的一个实施例。图1示出的是该方法的示意性流程图。
30.如图1中所示，该方法可以包括以下步骤：s1采集存储介质的特征参数，并设定每个特征参数的阈值。
31.s2计算每个特征参数造成存储介质故障的权重，并基于权重和阈值构建故障值公式。
32.s3基于数据样本和故障值公式校正每个特征参数的阈值。
33.s4基于每个特征参数的增量值、故障值公式和校正后的阈值构建故障预测模型，并基于故障预测模型预测存储介质产生故障的剩余时间。如图2所示，首先选取特征参数，设定每个特征参数的阈值，计算每个特征参数的权重，并进行阈值的校正，然后计算每个特征参数的增量，根据增量值和故障公式构建故障预测模型，最后通过时间窗口模型预测存储介质产生故障的剩余时间。
34.通过使用本发明的技术方案，能够对不同厂商的各种型号的存储介质进行故障预测，有效的降低了因存储介质发生故障导致数据丢失和服务器产生宕机的风险，能够提前通知用户更换将要产生故障的存储介质。
35.在本发明的一个优选实施例中，所述计算每个特征参数造成存储介质故障的权重的步骤包括：计算特征参数引起存储介质故障的估算概率；计算特征参数取值为时引起存储介质故障的条件概率；基于估算概率和条件概率计算每个特征参数引起存储介质故障的概率；基于每个特征参数引起存储介质故障的概率计算每个特征参数造成存储介质故障的权重。
36.在本发明的一个优选实施例中，所述计算特征参数引起存储介质故障的估算概率的步骤包括：采用m个存储介质作为样本计算权重；使用公式：计算特征参数引起存储介质故障的估算概率，其中为估算概率，为特征c的样本个数，为样本的总个数。采集m个样本数量估算特征参数引起存储介质的概率记为，采用样本表示特征参数为c的样本组成的集合，在充足的独立同分布样本的条件下，计算出先验概率的值为：，其中为特征c的样本个数，为样本的总个数。
37.在本发明的一个优选实施例中，所述计算特征参数取值为时引起存储介质故障的条件概率的步骤包括：使用公式：计算特征参数取值为时引起存储介质故障的条件概率，其中为特征参数取值为时引起存储介质故障的条件概率，为特征的值为的样本个数，为特征的样本个数。当特征参数引起存储介质故障的概率记为
，则每个特征参数的估算条件概率可以表示为，该表达式的含义是导致存储介质产生故障的特征参数是，此时的值为的概率为，采用表示中特征参数为且取值为的样本，则条件概率可估算为：。
38.在本发明的一个优选实施例中，所述基于估算概率和条件概率计算每个特征参数引起存储介质故障的概率的步骤包括：基于公式：计算每个特征参数引起存储介质故障的概率，其中为每个特征参数的编号，为特征参数的数量，的值，为每个特征参数引起存储介质故障的概率，为特征参数引起存储介质故障的估算概率，为特征参数取值为时引起存储介质故障的条件概率。引发存储介质产生故障可能的情况是由特征集合中的一个或多个特征参数共同作用反应出来的结果，一般的情况下，若存储介质的故障是由某一个特征参数引起的，则很容易的判定存储介质是否将要发生故障，如果存储介质的故障是由多个特征参数共同作用引发的，则很难判定出存储介质何时将会产生故障，因为每一个特征参数的值可能都没有达到参数阈值，但存储介质可能已经存在性能下降、数据丢失等情况，从而表现出故障特征。为解决多个特征参数共同作用影响存储介质故障问题，采用特征参数之间条件相互独立的条件假设，即特征集合中的每一个特征参数都是独立的，从而特征集合中的某一个参数反映存储介质出现故障的概率为：，那么的值则可以表示为特征集合中的某一特征参数反应存储介质产生故障的概率，其中代表特征参数的取值，大于0且小于阈值，将上述的和代入公式就可以得到单独一个特征参数引起存储介质故障的概率。
39.在本发明的一个优选实施例中，所述基于每个特征参数引起存储介质故障的概率计算每个特征参数造成存储介质故障的权重的步骤包括：使用公式：计算每个特征参数引起存储介质故障的权重，其中为每个特征参数引起存储介质故障的概率，其中为每个特征参数的编号，为特征参数的数量，为每个特征参数造成存储介质故障的权重。经过上述推算，可以得到每个特征参数引起存储介质故障的概率，分别记为：、
……
，可以计算出当存储介质产生故障时，每个特征参数能够反应产生故障的权重为：。
40.在本发明的一个优选实施例中，所述基于权重和阈值构建故障值公式的步骤包括：将故障值公式构建为：，其中为故障值，为每个特征参数的编号，为特征参数的数量，为每个特征参数造成存储介质故障的权重，为每个特征参数的阈值，为特征参数当前值。经过上述计算得到每个特征参数引起存储介质故障
的概率，因此诊断存储介质故障的故障值的公式为：，通过该故障值公式可以根据每个特征参数的当前值和阈值计算得到当前存储介质的故障值，当存储介质的状况为正常时，因为此时特征参数的值都是小于阈值，因此，所以当的值逐渐接近于0时，即为储存介质的状态由健康转为故障的过程。
41.在本发明的一个优选实施例中，所述基于数据样本和所述故障值公式校正每个特征参数的阈值的步骤包括：获取发生故障的存储介质的特征参数的值作为数据样本；基于数据样本按照采集的时间顺序分别计算故障值；在故障值由小于0逐渐趋近于0时，逐步调整各个特征参数的阈值直到故障值为0；将调整后的各个特征参数的阈值作为校正后的特征参数的阈值。设置特征参数阈值的方式较为粗略，这样将会使得诊断结果的精确度较低，所以需要校正阈值，以提高存储介质预测精确度。选取个性能状态正常的存储介质，每间隔时间t采集一次存储介质的数据信息。将每次采集后的数据信息使用公式上述公式计算故障值，随着时间的推移故障值的值将会由变为接近于0或者大于0，在这个过程中将有可能会出现以下三种情况：时，存储介质发生故障；时，存储介质发生故障；时，存储介质发生故障。针对和的情况来说，属于存储介质故障预测存在偏差，需要根据存储介质故障发生时收集到特征参数的值进行调整阈值，使得故障值尽可能接近于0，只有这样存储介质的故障预测才会更加的准确。阈值校正过程为，在以上采集的存储介质的特征参数样本中，提取有故障的存储介质的特征参数数据信息记为样本，采用上述公式按照特征参数数据信息采集的时间顺序一一计算样本中的故障值，在按照样本数据时间顺序计算的过程中，故障值由最开始的变为逐渐趋于（接近于）0，逐步调整各个特征参数的（阈值）以满足当存储介质发生故障时，此时的值尽可能等于0。
42.在本发明的一个优选实施例中，还包括：计算b次采集间隔后特征参数的增量的平均值
∆
x ̃
；使用表示b次采集间隔后特征参数的增量值。
43.每次采集数据时具有采集时间间隔，如图3所示，时间间隔设置为t，在t时间范围内特征集合中的某一个特征参数的增量记为，由于特征参数的值并不是呈线性均匀增加，为了能够更准确的预测t时间后特征参数值为多少，可以取前b次增量的均值，那么就能较为准确的预测t时间后特征参数的值为多少，公式如下：,其中为t时间后特征参数的一个可能增量，假设当前间的值为，t时间后的值为，那么t时间后的值为：，通过上述步骤，可以预测分钟后的特征参数c的值为：。
44.在本发明的一个优选实施例中，基于每个特征参数的增量值、公式和校正后的阈
值构建故障预测模型的步骤包括：将故障预测模型构建为：，其中为故障值，为每个特征参数的编号，为特征参数的数量，为每个特征参数造成存储介质故障的权重，为每个特征参数的阈值，为特征参数当前值，为b次采集间隔后特征参数的增量值。经过上述步骤得到了特征参数的增量值，可以使用同样的方法预测特征集合中的任意一个特征参数的值，那么同样可以预测分钟后的值，因此存储介质的故障预测模型最终可以表示为：，当时，上述公式获取的是当前时间的真实故障值，当时，上述公式获取的是时间分钟之后的预测故障值。
45.在本发明的一个优选实施例中，所述基于所述故障预测模型预测存储介质产生故障的剩余时间的步骤包括：计算每个采集时间对应的故障值；基于所述计算的故障值和对应的采集时间构建二维曲线图；计算预设时间内的平均故障值；基于所述平均故障值和二维曲线图计算存储介质产生故障的剩余时间。
46.在本发明的一个优选实施例中，所述计算每个采集时间对应的故障值的步骤包括：重新采样存储介质的特征参数，并记录采集时间；基于故障预测模型计算每个采集时间对应的故障值。
47.每间隔一定时间采集一次特征参数信息，持续采集一批存储介质的特征参数信息，并记录采集数据时的时间为。将采集到的特征参数信息采用上述故障预测模型计算可以得到相应的故障值，经过一段时间数据的采集和计算可以得到时间t与存储介质故障值关系，通过上述故障预测模型可以计算一定时间后的故障值，如下表1所示：表1在本发明的一个优选实施例中，基于故障预测模型预测存储介质产生故障的剩余时间的步骤包括：基于计算的故障值和对应的采集时间构建二维曲线图。
48.通过上述故障值和采集时间的关系能够得到一个二维曲线图，如图4所示，其中横坐标用时间（）表示，纵坐标用故障值（）表示，图4中实线部分是当m=0时，计算获得的真实故障值，虚线部分是当m》0时，由上述公式计算获得的预测故障值。
49.在本发明的一个优选实施例中，所述计算预设时间内的平均故障值的步骤包括：基于当前时间设定滑动时间窗口l；
统计所述滑动时间窗口l内的每个特征参数的平均值；基于所述每个特征参数的平均值和所述故障预测模型计算平均故障值。
50.由于存储介质的特征参数值在随时间推移，参数值的增加并不是呈线性增加，仅仅通过一个点（,）来预测距离存储介质将要产生故障还剩多长时间会存在较大误差。本发明采用一段时间范围内的数据来进行评估距离产生故障还剩多长时间，时间范围可以视为一个时间窗口，即时间序列滑动窗口，此窗口的时长为（小时），如图5所示，在上述二维曲线图中加入时间序列滑动窗口。假设时间滑动窗口范围内采样次，则某一个特征参数的平均值为：，那么上述预测模型又可以演变成：，基于该公式可以计算平均故障值。
51.在本发明的一个优选实施例中，所述基于所述平均故障值和二维曲线图计算存储介质产生故障的剩余时间的步骤包括：基于平均故障值和二维曲线图计算平均故障值对应的采集时间；基于所述平均故障值对应的采集时间和所述二维曲线图计算存储介质产生故障的剩余时间。
52.在本发明的一个优选实施例中，所述基于所述平均故障值对应的采集时间和所述二维曲线图计算存储介质产生故障的剩余时间的步骤包括：基于二维曲线图计算故障值为0时的时间；使用故障值为0时的时间减平均故障值对应的采集时间得到存储介质产生故障的剩余时间。根据上述计算得到的平均故障值，可以由二维曲线图获得相应的时间点，因此可以得到一个时间序列滑动窗口范围内的时间点与故障值的点为：（,），当时间点（,）向点（,0）（该点为存储介质发生故障的时间点）移动的过程中需要的时间长度即为存储介质距离产生故障所剩余的时间。从二维曲线图中可以得到存储介质故障值为0的时间点，从平均故障值的时间点到故障值为0的时间点之间的时间就是存储介质将要发生故障的剩余时间。在任何一个时间点采集的存储介质特征参数信息，此时该存储介质发生故障的故障值为，若预测该存储介质距离发生故障还剩多长时间，需要将该点（,）放入时间序列滑动窗口中，其中滑动窗口的时间范围为到，使用公式预测模型计算出时间范围内采集到的特征参数对应的故障值为根据和二维曲线图可以得到对应的时间，当的过程所需要的时间即为该存储介质距离产生故障的剩余时间。
53.在本发明的一个优选实施例中，基于当前时间设定滑动时间窗口l的步骤包括：将滑动时间窗口l设定为当前时间减l/2到当前时间+l/2。
54.在本发明的一个优选实施例中，采集存储介质的特征参数的步骤包括：每间隔阈值时间查询存储介质的日志信息；采集日志信息中能够反应储存介质的状态及性能指标的特征参数。可以轮训采集存储介质（raid卡、硬盘）的日志信息，每次采集数据的时间间隔可以设置为t分钟，在采集
的信息中有一些故障参数信息能够反应出储存介质的状态及性能指标，其中影响存储介质状态及性能较大的故障参数如下表2所示：表2上述11个特征参数只是示例，还可以根据需要增加或减少特征参数，可以将这些参数用表示，其可以组成特征参数集，在这些特征参数的共同作用下，能够反应出存储介质的健康状态。
55.在本发明的一个优选实施例中，设定每个特征参数的阈值的步骤包括：获取阈值数量的发生故障的存储介质；统计每个存储介质发生故障时每个特征参数的值；统计每个特征参数的相同值的数量；将每个特征参数的相同值的数量最多的值作为对应特征参数的阈值。
56.在样本中存在一定数量的故障存储介质设备，假设样本数量足够大，如果只关注特征参数集中的某一个参数并假设存储介质的故障仅有参数来决定，并记录存储介质发生故障时参数的值为。当的值比较小时很明显此时被标记为故障的存储介质的数量比较少，反之当的值很大时，被标记为故障的存储介质也比较少，因为大部分存储介质还没有达到该值时就已经发生了故障。通过以上分析可以得出，参数值与存储介质的故障数存在某种关系，这种关系类似于正态分布,即当的值越靠近均值时，发生故障的存储介质数量就越多，如图6所示，当时，对应有故障的存储介质的故障为，此时的故障数最大，也就越能反应出时越接近于特征参数的阈值，使用该方法可以粗略的确定每一个特征参数的阈值。
57.通过使用本发明的方案，能够对不同厂商的各种型号的存储介质进行故障预测，有效的降低了因存储介质发生故障导致数据丢失和服务器产生宕机的风险，能够提前通知用户更换将要产生故障的存储介质。
58.需要说明的是，本领域普通技术人员可以理解实现上述实施例方法中的全部或部
分流程，可以通过计算机程序来指令相关硬件来完成，上述的程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中存储介质可为磁碟、光盘、只读存储器（read-only memory，rom）或随机存取存储器（random access memory，ram）等。上述计算机程序的实施例，可以达到与之对应的前述任意方法实施例相同或者相类似的效果。
59.此外，根据本发明实施例公开的方法还可以被实现为由cpu 执行的计算机程序，该计算机程序可以存储在计算机可读存储介质中。在该计算机程序被cpu 执行时，执行本发明实施例公开的方法中限定的上述功能。
60.基于上述目的，本发明的实施例的第二个方面，提出了一种存储介质故障预测的装置，如图7所示，装置200包括：采集模块，采集模块配置为采集存储介质的特征参数，并设定每个特征参数的阈值；计算模块，计算模块配置为计算每个特征参数造成存储介质故障的权重，并基于权重和阈值构建故障值公式；校正模块，校正模块配置为基于数据样本和故障值公式校正每个特征参数的阈值；构建模块，构建模块配置为基于每个特征参数的增量值、故障值公式和校正后的阈值构建故障预测模型，并基于故障预测模型预测存储介质产生故障的剩余时间。
61.基于上述目的，本发明实施例的第三个方面，提出了一种计算机设备。图8示出的是本发明提供的计算机设备的实施例的示意图。如图8所示，本发明实施例包括如下装置：至少一个处理器21；以及存储器22，存储器22存储有可在处理器上运行的计算机指令23，指令由处理器执行时实现以上方法中的任意一种方法。
62.基于上述目的，本发明实施例的第四个方面，提出了一种计算机可读存储介质。图9示出的是本发明提供的计算机可读存储介质的实施例的示意图。如图9所示，计算机可读存储介质31存储有被处理器执行时执行如上方法中的任意一种方法的计算机程序32。
63.此外，根据本发明实施例公开的方法还可以被实现为由处理器执行的计算机程序，该计算机程序可以存储在计算机可读存储介质中。在该计算机程序被处理器执行时，执行本发明实施例公开的方法中限定的上述功能。
64.此外，上述方法步骤以及系统单元也可以利用控制器以及用于存储使得控制器实现上述步骤或单元功能的计算机程序的计算机可读存储介质实现。
65.本领域技术人员还将明白的是，结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。为了清楚地说明硬件和软件的这种可互换性，已经就各种示意性组件、方块、模块、电路和步骤的功能对其进行了一般性的描述。这种功能是被实现为软件还是被实现为硬件取决于具体应用以及施加给整个系统的设计约束。本领域技术人员可以针对每种具体应用以各种方式来实现的功能，但是这种实现决定不应被解释为导致脱离本发明实施例公开的范围。
66.在一个或多个示例性设计中，功能可以在硬件、软件、固件或其任意组合中实现。如果在软件中实现，则可以将功能作为一个或多个指令或代码存储在计算机可读介质上或通过计算机可读介质来传送。计算机可读介质包括计算机存储介质和通信介质，该通信介
质包括有助于将计算机程序从一个位置传送到另一个位置的任何介质。存储介质可以是能够被通用或专用计算机访问的任何可用介质。作为例子而非限制性的，该计算机可读介质可以包括ram、rom、eeprom、cd-rom或其它光盘存储设备、磁盘存储设备或其它磁性存储设备，或者是可以用于携带或存储形式为指令或数据结构的所需程序代码并且能够被通用或专用计算机或者通用或专用处理器访问的任何其它介质。此外，任何连接都可以适当地称为计算机可读介质。例如，如果使用同轴线缆、光纤线缆、双绞线、数字用户线路（dsl）或诸如红外线、无线电和微波的无线技术来从网站、服务器或其它远程源发送软件，则上述同轴线缆、光纤线缆、双绞线、dsl或诸如红外线、无线电和微波的无线技术均包括在介质的定义。如这里所使用的，磁盘和光盘包括压缩盘（cd）、激光盘、光盘、数字多功能盘（dvd）、软盘、蓝光盘，其中磁盘通常磁性地再现数据，而光盘利用激光光学地再现数据。上述内容的组合也应当包括在计算机可读介质的范围内。
67.以上是本发明公开的示例性实施例，但是应当注意，在不背离权利要求限定的本发明实施例公开的范围的前提下，可以进行多种改变和修改。根据这里描述的公开实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外，尽管本发明实施例公开的元素可以以个体形式描述或要求，但除非明确限制为单数，也可以理解为多个。
68.应当理解的是，在本文中使用的，除非上下文清楚地支持例外情况，单数形式“一个”旨在也包括复数形式。还应当理解的是，在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。
69.上述本发明实施例公开实施例序号仅仅为了描述，不代表实施例的优劣。
70.本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
71.所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本发明实施例公开的范围（包括权利要求）被限于这些例子；在本发明实施例的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，并存在如上的本发明实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。因此，凡在本发明实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明实施例的保护范围之内。

技术特征：
1.一种存储介质故障预测的方法，其特征在于，包括以下步骤：采集存储介质的特征参数，并设定每个特征参数的阈值；计算每个特征参数造成存储介质故障的权重，并基于权重和阈值构建故障值公式；基于数据样本和所述故障值公式校正每个特征参数的阈值；基于每个特征参数的增量值、所述故障值公式和校正后的阈值构建故障预测模型，并基于所述故障预测模型预测存储介质产生故障的剩余时间。2.根据权利要求1所述的方法，其特征在于，所述计算每个特征参数造成存储介质故障的权重的步骤包括：计算特征参数引起存储介质故障的估算概率；计算特征参数取值为时引起存储介质故障的条件概率；基于估算概率和条件概率计算每个特征参数引起存储介质故障的概率；基于每个特征参数引起存储介质故障的概率计算每个特征参数造成存储介质故障的权重。3.根据权利要求2所述的方法，其特征在于，所述计算特征参数引起存储介质故障的估算概率的步骤包括：采用m个存储介质作为样本计算权重；使用公式：计算特征参数引起存储介质故障的估算概率，其中为估算概率，为特征c的样本个数，为样本的总个数。4.根据权利要求2所述的方法，其特征在于，所述计算特征参数取值为时引起存储介质故障的条件概率的步骤包括：使用公式：计算特征参数取值为时引起存储介质故障的条件概率，其中为特征参数取值为时引起存储介质故障的条件概率，为特征的值为的样本个数，为特征的样本个数。5.根据权利要求2所述的方法，其特征在于，所述基于估算概率和条件概率计算每个特征参数引起存储介质故障的概率的步骤包括：基于公式：计算每个特征参数引起存储介质故障的概率，其中为每个特征参数的编号，为特征参数的数量，的值，为每个特征参数引起存储介质故障的概率，为特征参数引起存储介质故障的估算概率，为特征参数取值为时引起存储介质故障的条件概率。6.根据权利要求2所述的方法，其特征在于，所述基于每个特征参数引起存储介质故障的概率计算每个特征参数造成存储介质故障的权重的步骤包括：使用公式：计算每个特征参数引起存储介质故障的权重，其中为每个特征参数引起存储介质故障的概率，其中为每个特征参数的编号，为特征参数的数量，为每个特征参数造成存储介质故障的权重。
7.根据权利要求6所述的方法，其特征在于，所述基于权重和阈值构建故障值公式的步骤包括：将所述故障值公式构建为：，其中为故障值，为每个特征参数的编号，为特征参数的数量，为每个特征参数造成存储介质故障的权重，为每个特征参数的阈值，为特征参数当前值。8.根据权利要求7所述的方法，其特征在于，所述基于数据样本和所述故障值公式校正每个特征参数的阈值的步骤包括：获取发生故障的存储介质的特征参数的值作为数据样本；基于所述数据样本按照采集的时间顺序分别计算故障值；在所述故障值由小于0逐渐趋近于0时，逐步调整各个特征参数的阈值直到故障值为0；将调整后的各个特征参数的阈值作为校正后的特征参数的阈值。9.根据权利要求1所述的方法，其特征在于，还包括：计算b次采集间隔后特征参数的增量的平均值
∆
x ̃
；使用表示b次采集间隔后特征参数的增量值。10.根据权利要求9所述的方法，其特征在于，所述基于每个特征参数的增量值、所述故障值公式和校正后的阈值构建故障预测模型的步骤包括：将故障预测模型构建为：，其中为故障值，为每个特征参数的编号，为特征参数的数量，为每个特征参数造成存储介质故障的权重，为每个特征参数的阈值，为特征参数当前值，为b次采集间隔后特征参数的增量值。11.根据权利要求1所述的方法，其特征在于，所述基于所述故障预测模型预测存储介质产生故障的剩余时间的步骤包括：计算每个采集时间对应的故障值；基于所述计算的故障值和对应的采集时间构建二维曲线图；计算预设时间内的平均故障值；基于所述平均故障值和二维曲线图计算存储介质产生故障的剩余时间。12.根据权利要求11所述的方法，其特征在于，所述计算每个采集时间对应的故障值的步骤包括：重新采样存储介质的特征参数，并记录采集时间；基于所述故障预测模型计算每个采集时间对应的故障值。13.根据权利要求11所述的方法，其特征在于，所述计算预设时间内的平均故障值的步骤包括：基于当前时间设定滑动时间窗口l；统计所述滑动时间窗口l内的每个特征参数的平均值；基于所述每个特征参数的平均值和所述故障预测模型计算平均故障值。
14.根据权利要求11所述的方法，其特征在于，所述基于所述平均故障值和二维曲线图计算存储介质产生故障的剩余时间的步骤包括：基于所述平均故障值和二维曲线图计算平均故障值对应的采集时间；基于所述平均故障值对应的采集时间和所述二维曲线图计算存储介质产生故障的剩余时间。15.根据权利要求14所述的方法，其特征在于，所述基于所述平均故障值对应的采集时间和所述二维曲线图计算存储介质产生故障的剩余时间的步骤包括：基于所述二维曲线图计算故障值为0时的时间；使用所述故障值为0时的时间减所述平均故障值对应的采集时间得到存储介质产生故障的剩余时间。16.根据权利要求13所述的方法，其特征在于，所述基于当前时间设定滑动时间窗口l的步骤包括：将滑动时间窗口l设定为当前时间减l/2到当前时间+l/2。17.根据权利要求1所述的方法，其特征在于，所述采集存储介质的特征参数的步骤包括：每间隔阈值时间查询存储介质的日志信息；采集日志信息中能够反应储存介质的状态及性能指标的特征参数。18.根据权利要求1所述的方法，其特征在于，所述设定每个特征参数的阈值的步骤包括：获取阈值数量的发生故障的存储介质；统计每个存储介质发生故障时每个特征参数的值；统计每个特征参数的相同值的数量；将每个特征参数的相同值的数量最多的值作为对应特征参数的阈值。19.一种存储介质故障预测的装置，其特征在于，所述装置包括：采集模块，所述采集模块配置为采集存储介质的特征参数，并设定每个特征参数的阈值；计算模块，所述计算模块配置为计算每个特征参数造成存储介质故障的权重，并基于权重和阈值构建故障值公式；校正模块，所述校正模块配置为基于数据样本和所述故障值公式校正每个特征参数的阈值；构建模块，所述构建模块配置为基于每个特征参数的增量值、所述故障值公式和校正后的阈值构建故障预测模型，并基于所述故障预测模型预测存储介质产生故障的剩余时间。20. 一种计算机设备，其特征在于，包括：至少一个处理器；以及存储器，所述存储器存储有可在所述处理器上运行的计算机指令，所述指令由所述处理器执行时实现权利要求1-18任意一项所述方法的步骤。21.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-18任意一项所述方法的步骤。

技术总结
本发明提供了一种存储介质故障预测的方法、装置、设备及可读存储介质，方法包括：采集存储介质的特征参数，并设定每个特征参数的阈值；计算每个特征参数造成存储介质故障的权重，并基于权重和阈值构建故障值公式；基于数据样本和故障值公式校正每个特征参数的阈值；基于每个特征参数的增量值、故障值公式和校正后的阈值构建故障预测模型，并基于故障预测模型预测存储介质产生故障的剩余时间。通过使用本发明的方案，能够对不同厂商的各种型号的存储介质进行故障预测，有效的降低了因存储介质发生故障导致数据丢失和服务器产生宕机的风险，能够提前通知用户更换将要产生故障的存储介质。介质。介质。


技术研发人员：孔涛 李锋
受保护的技术使用者：苏州浪潮智能科技有限公司
技术研发日：2023.08.15
技术公布日：2023/9/16