基于长短期记忆网络模型的固态硬盘寿命预测方法、装置、终端及介质与流程

本申请涉及设备使用寿命预测的，特别是涉及基于长短期记忆网络模型的固态硬盘寿命预测方法、装置、终端及介质。

背景技术：

1、idc(internet data center)是互联网数据中心，是一种拥有完善的设备(包括高速互联网接入带宽、高性能局域网络、安全可靠的机房环境等)、专业化的管理、完善的应用服务平台。在这个平台基础上，idc服务商为客户提供互联网基础平台服务(服务器托管、虚拟主机、邮件缓存、虚拟邮件等)以及各种增值服务。

2、在大型idc数据中心中，鉴于ssd(solid state disk)固态硬盘的高密度、读写速度快，防震抗摔，低功耗和轻便等优点，外置存储系统和服务器内置存储采用ssd(solidstate disk)固态硬盘已成为重要发展趋势。硬盘会因使用方式不同、温度高低、震动以及异常掉电等因素影响着硬盘的使用寿命，在大型idc数据中心因硬盘故障导致数据丢失的情况时常发生。然而，现有的ssd(solid state disk)固态硬盘的健康状况及使用寿命无法进行准确预测，导致无法可靠安全地保护客户数据。

技术实现思路

1、鉴于以上所述现有技术的缺点，本申请的目的在于提供基于长短期记忆网络模型的固态硬盘寿命预测方法、装置、终端及介质，用于解决现有的ssd硬盘的健康状况及使用寿命无法进行准确预测，导致无法可靠安全地保护客户数据的问题。

2、为实现上述目的及其他相关目的，本申请的第一方面提供一种基于长短期记忆网络模型的固态硬盘寿命预测方法，包括：获取关联于固态硬盘使用寿命的多个影响因子；基于故障固态硬盘的样本数据、由硬盘监控系统采集所得的监控数据及各硬盘使用环境下产生的环境数据，获取各所述影响因子的参数值以生成相应的训练数据集；构建用于预测固态硬盘使用寿命的长短期记忆网络模型，并利用所述训练数据集来迭代训练所述长短期记忆网络模型，直至训练次数达到预设最大迭代次数；其中，所述长短期记忆网络模型包括一系列基于时间序列的长短期记忆单元；每个长短期记忆单元包括以各所述影响因子作为神经元的输入层，以若干个固态硬盘性能指标作为神经元的隐藏层，并以固态硬盘预测寿命作为神经元的输出层；将当前状态下服务器中的固态硬盘相关数据输入构建得到的用于预测固态硬盘使用寿命的长短期记忆网络模型中，以对所述当前状态下服务器中的固态硬盘进行剩余寿命预测。

3、于本申请的第一方面的一些实施例中，所述长短期记忆网络模型由一系列长短期记忆单元组成；每个长短期记忆单元由如下元素构成：神经网络层、按位操作或逐点操作、向量传递及向量拼接。

4、于本申请的第一方面的一些实施例中，所述长短期记忆单元的输入层中的神经元包括：温度、湿度、机房洁净度、内存、cpu、网络带宽、通电时长、异常掉电次数、闪存数据写入量、主机数据写入量、硬盘io；所述长短期记忆单元的隐藏层中的神经元包括写入放大率、iops、坏块数、读写速度、p/e次数；所述长短期记忆单元的输出层中的神经元包括使用寿命。

5、于本申请的第一方面的一些实施例中，所述关联于固态硬盘使用寿命的多个影响因子的获取方式包括：基于固态硬盘使用寿命的理论推演及测试分析，撷取与固态硬盘使用寿命相关度最高的若干个影响因子。

6、于本申请的第一方面的一些实施例中，撷取到的与固态硬盘使用寿命相关度最高的若干个影响因子包括：机房环境因子、服务器负载配置因子及it环境因子中的任一种或多种因子的组合。

7、于本申请的第一方面的一些实施例中，在构建得到所述长短期记忆网络模型后，所述方法还执行如下：分别获取固态硬盘的实际使用寿命和经由所述长短期记忆网络模型输出的预测使用寿命；计算所述实际使用寿命和预测使用寿命在预测步数内的平均绝对误差值；通过所述平均绝对误差值的大小来表征所述长短期记忆网络模型对固态硬盘使用寿命预测的精度。

8、于本申请的第一方面的一些实施例中，所述实际使用寿命和预测使用寿命在预测步数内的平均绝对误差值的计算方式包括：其中，n表示预测步数；y表示固态硬盘的实际使用寿命；p表示固态硬盘的预测使用寿命。

9、为实现上述目的及其他相关目的，本申请的第二方面提供一种基于长短期记忆网络模型的固态硬盘寿命预测装置，包括：影响因子构建模块，用于获取关联于固态硬盘使用寿命的多个影响因子；数据集生成模块，用于基于故障固态硬盘的样本数据、由硬盘监控系统采集所得的监控数据及各硬盘使用环境下产生的环境数据，获取各所述影响因子的参数值以生成相应的训练数据集；模型构建模块，用于构建用于预测固态硬盘使用寿命的长短期记忆网络模型，并利用所述训练数据集来迭代训练所述长短期记忆网络模型，直至训练次数达到预设最大迭代次数；其中，所述长短期记忆网络模型包括一系列基于时间序列的长短期记忆单元；每个长短期记忆单元包括以各所述影响因子作为神经元的输入层，以若干个固态硬盘性能指标作为神经元的隐藏层，并以固态硬盘预测寿命作为神经元的输出层；寿命预测模块，用于将当前状态下服务器中的固态硬盘相关数据输入构建得到的用于预测固态硬盘使用寿命的长短期记忆网络模型中，以对所述当前状态下服务器中的固态硬盘进行剩余寿命预测。

10、为实现上述目的及其他相关目的，本申请的第三方面提供一种计算机可读存储介质，其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所述基于长短期记忆网络模型的固态硬盘寿命预测方法。

11、为实现上述目的及其他相关目的，本申请的第四方面提供一种电子终端，包括：处理器及存储器；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行所述基于长短期记忆网络模型的固态硬盘寿命预测方法。

12、如上所述，本申请的基于长短期记忆网络模型的固态硬盘寿命预测方法、装置、终端及介质，具有以下有益效果：本发明通过长短期记忆网络模型，基于机房环境因子、服务器负载配置因子及it环境因子等构建固态硬盘寿命预测模型。通过此发明，可以实时了解固态硬盘的健康情况和有效降低硬盘备货成本，大大降低数据丢失的风险，并给it运维人员提供了硬盘维护的可靠依据。

技术特征：

1.一种基于长短期记忆网络模型的固态硬盘寿命预测方法，其特征在于，包括：

2.根据权利要求1所述的基于长短期记忆网络模型的固态硬盘寿命预测方法，其特征在于，所述关联于固态硬盘使用寿命的多个影响因子的获取方式包括：基于固态硬盘使用寿命的理论推演及测试分析，撷取与固态硬盘使用寿命相关度最高的若干个影响因子。

3.根据权利要求2所述的基于长短期记忆网络模型的固态硬盘寿命预测方法，其特征在于，撷取到的与固态硬盘使用寿命相关度最高的若干个影响因子包括：机房环境因子、服务器负载配置因子及it环境因子中的任一种或多种因子的组合。

4.根据权利要求1所述的基于长短期记忆网络模型的固态硬盘寿命预测方法，其特征在于，包括：所述长短期记忆网络模型由一系列长短期记忆单元组成；每个长短期记忆单元由如下元素构成：神经网络层、按位操作或逐点操作、向量传递及向量拼接。

5.根据权利要求4所述的基于长短期记忆网络模型的固态硬盘寿命预测方法，其特征在于，所述长短期记忆单元的输入层中的神经元包括：温度、湿度、机房洁净度、内存、cpu、网络带宽、通电时长、异常掉电次数、闪存数据写入量、主机数据写入量、硬盘io；所述长短期记忆单元的隐藏层中的神经元包括写入放大率、iops、坏块数、读写速度、p/e次数；所述长短期记忆单元的输出层中的神经元包括使用寿命。

6.根据权利要求1所述的基于长短期记忆网络模型的固态硬盘寿命预测方法，其特征在于，在构建得到所述长短期记忆网络模型后，所述方法还执行如下：分别获取固态硬盘的实际使用寿命和经由所述长短期记忆网络模型输出的预测使用寿命；计算所述实际使用寿命和预测使用寿命在预测步数内的平均绝对误差值；通过所述平均绝对误差值的大小来表征所述长短期记忆网络模型对固态硬盘使用寿命预测的精度。

7.根据权利要求6所述的基于长短期记忆网络模型的固态硬盘寿命预测方法，其特征在于，所述实际使用寿命和预测使用寿命在预测步数内的平均绝对误差值的计算方式包括：

8.一种基于长短期记忆网络模型的固态硬盘寿命预测装置，其特征在于，包括：

9.一种计算机可读存储介质，其上存储有计算机程序，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至7中任一项所述基于长短期记忆网络模型的固态硬盘寿命预测方法。

10.一种电子终端，其特征在于，包括：处理器及存储器；

技术总结
本申请提供基于长短期记忆网络模型的固态硬盘寿命预测方法、装置、终端及介质，本发明通过长短期记忆网络模型，基于机房环境因子、服务器负载配置因子及IT环境因子等构建固态硬盘寿命预测模型。通过此发明，可以实时了解固态硬盘的健康情况和有效降低硬盘备货成本，大大降低数据丢失的风险，并给IT运维人员提供了硬盘维护的可靠依据。

技术研发人员：王雪峰,李华庆,施晓明,周倩鑫,王宁,张剑
受保护的技术使用者：北京市合芯数字科技有限公司
技术研发日：
技术公布日：2024/1/14