磁盘状态判断方法、装置、计算机设备及存储介质

技术领域

本发明涉及数字医疗技术领域，尤其涉及一种磁盘状态判断方法、装置、计算机设备及存储介质。

背景技术

磁盘作为云服务器的重要组成部分，一旦磁盘发生故障，极易导致磁盘中存储数据的丢失，影响云服务的可靠性，因此，必须对磁盘提前进行故障预测，并针对性地对磁盘进行数据备份、故障修复或者磁盘更换等处理，以保证云服务的可靠性。

例如，医疗领域中医院存储病人的病例资料，需要用到大量的磁盘，任意一个磁盘发生损坏，都会导致大量病人的病历资料的丢失，给病人病情诊断、复查等带来极大影响。

目标常见的磁盘故障预测方法，仅针对需要预测的磁盘本身的相关数据作为预测数据来对该磁盘进行故障预测。因此，由现有的磁盘故障预测方法可以利用的预测数据比较单一，导致磁盘故障预测的精确度较低。

发明内容

本发明实施例公开一种磁盘状态判断方法、装置、计算机设备及存储介质，以解决现有的磁盘故障预测方法可以利用的预测数据比较单一，导致磁盘故障预测的精确度较低问题。

一种磁盘状态判断方法，所述方法包括：

获取到目标磁盘的状态数据及对应的相邻磁盘的状态数据，所述目标磁盘的状态数据和每个所述相邻磁盘的状态数据为在相同时间窗口的状态数据；

基于所述目标磁盘的状态数据和每个所述相邻磁盘的状态数据，分别计算得到所述目标磁盘的特征向量和每个所述相邻磁盘的特征向量；

对所述目标磁盘的特征向量和每个所述相邻磁盘的特征向量进行特征融合，得到融合特征向量；

将所述融合特征向量输入到状态预测模型，得到所述目标磁盘的状态预测结果，所述状态预测结果用于判断所述目标磁盘是否即将发生故障。

上述方法，可选的，所述对所述目标磁盘的特征向量和每个所述相邻磁盘的特征向量进行特征融合，得到融合特征向量，包括：

计算得到每个所述相邻磁盘的特征向量对应的权重系数；

基于所述目标磁盘的特征向量，和每个所述相邻磁盘的特征向量及对应的权重系数，计算得到融合特征向量。

上述方法，可选的，所述计算得到每个所述相邻磁盘的特征向量对应的权重系数，包括：

将每个所述相邻磁盘的特征向量输入到权重计算公式，计算得到每个所述相邻磁盘的特征向量对应的权重系数；

所述权重计算公式为：

其中，

上述方法，可选的，所述基于所述目标磁盘的特征向量和每个所述相邻磁盘的特征向量及对应的权重系数，计算得到融合特征向量，包括：

将所述目标磁盘的特征向量和每个所述相邻磁盘的特征向量及对应的权重系数输入到特征融合公式，计算得到所述融合特征向量；

所述特征融合公式为：

其中，

上述方法，可选的，在所述将所述融合特征向量输入到状态预测模型，得到所述目标磁盘的状态预测结果之前，还包括：

获取到训练数据集；所述训练数据集中包括不同磁盘或者相同磁盘在相同长度的滑动窗口中的状态数据，和指示磁盘是否即将发生故障的故障标签；

基于所述训练数据集，得到训练好的状态预测模型。

上述方法，可选的，在所述基于所述融合特征向量对所述目标磁盘进行状态预测，得到所述目标磁盘的状态预测结果之后，还包括：

判断所述状态预测结果是否等于预设数值；

若所述状态预测结果等于所述预设数值，确定所述目标磁盘即将出现故障；

对所述目标磁盘中的数据进行备份处理，并发出磁盘故障预警。

上述方法，可选的，所述目标磁盘的状态数据或者相邻磁盘的状态数据至少包括：磁盘编号、磁盘所在的服务器编号、硬盘SMART检测参数、系统相关参数以及驱动相关参数。

一种磁盘状态判断装置，包括：

状态数据获取单元，用于获取到目标磁盘的状态数据及对应的相邻磁盘的状态数据，所述目标磁盘的状态数据和每个所述相邻磁盘的状态数据为在相同时间窗口的状态数据；

特征向量计算单元，用于基于所述目标磁盘的状态数据和每个所述相邻磁盘的状态数据，计算得到所述目标磁盘的特征向量和每个所述相邻磁盘的特征向量；

特征向量融合单元，用于对所述目标磁盘的特征向量和每个所述相邻磁盘的特征向量进行特征融合，得到融合特征向量；

磁盘状态预测单元，用于将所述融合特征向量输入到状态预测模型，得到所述目标磁盘的状态预测结果，所述状态预测结果用于判断所述目标磁盘是否即将发生故障。

一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述一种磁盘状态判断方法。

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，所述计算机程序被处理器执行时实现如上述一种磁盘状态判断方法。

上述磁盘状态判断方法、装置、计算机设备及存储介质，基于目标磁盘的状态数据和该目标磁盘对应的相邻磁盘的状态数据，分别计算得到目标磁盘的特征向量和每个相邻磁盘的特征向量，进而对目标磁盘的特征向量和每个相邻磁盘的特征向量进行特征融合，得到融合特征向量，基于融合特征向量对目标磁盘进行特征预测，得到用于判断目标磁盘是否即将发生故障状态预测结果。可见本实施例中对目标磁盘进行状态预测，不仅利用到了目标磁盘的状态数据，还利用到了目标磁盘对应的相邻磁盘的状态数据，通过多状态数据融合来对目标磁盘的状态进行预测，相较于仅通过目标磁盘的状态数据来对目标磁盘的状态进行预测，避免了可利用的预测数据比较单一的问题，有利于提高磁盘故障预测的精确度，可以有效保证医疗领域中医院磁盘中病人病历等数据的安全性。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的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性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一公开的一种磁盘状态判断方法的流程示意图；

图2是本发明实施例一公开的一种磁盘状态判断方法的部分流程示意图；

图3是本发明实施例一公开的一种磁盘状态判断方法的另一种流程示意图；

图4是本发明实施例一公开的一种磁盘状态判断方法的再一种流程示意图；

图5是本发明实施例二公开的一种磁盘状态判断装置的结构示意图；

图6是本发明实施例三公开的一种计算机设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明公开的一种磁盘状态判断方法、装置、计算机设备及存储介质，基于目标磁盘的状态数据和该目标磁盘对应的相邻磁盘的状态数据，分别计算得到目标磁盘的特征向量和每个相邻磁盘的特征向量，进而对目标磁盘的特征向量和每个相邻磁盘的特征向量进行特征融合，得到融合特征向量，基于融合特征向量对目标磁盘进行特征预测，得到用于判断目标磁盘是否即将发生故障状态预测结果。显而易见的，本发明中目标磁盘对应的相邻磁盘可以存在多个，可以根据实际需要对获取到的相邻磁盘的数量进行设定。可见，本发明中对目标磁盘进行状态预测，不仅利用到了目标磁盘的状态数据，还利用到了目标磁盘对应的相邻磁盘的状态数据，通过多状态数据融合来对目标磁盘的状态进行预测，相较于仅通过目标磁盘的状态数据来对目标磁盘的状态进行预测，避免了可利用的预测数据比较单一的问题，有利于提高磁盘故障预测的精确度，可以有效保证医疗领域中医院磁盘中病人病历等数据的安全性。下面通过具体的实施例进行说明。

可以理解的是，当需要对大量磁盘进行状态判断时，如服务器中的磁盘，可以分别将每一个磁盘作为目标磁盘，并获取到每个目标磁盘对应的相邻磁盘，进而根据每个目标磁盘的状态数据，及每个目标磁盘对应的相邻磁盘的状态，分别对每个目标磁盘进行一次状态判断，以确定是否存在即将发生故障的磁盘。

实施例一

如图1所示，为本发明实施例一公开的一种磁盘状态判断方法的流程示意图，适用于服务器中磁盘的状态判断，以对磁盘进行故障预测，例如，医疗领域中，医院服务器中存储病人病历相关数据的磁盘的状态判断，有利于保证医疗领域中医院磁盘中病人病历等数据的安全性。具体如下所示：

S101：获取到目标磁盘的状态数据及对应的相邻磁盘的状态数据。

其中，目标磁盘的状态数据和每个相邻磁盘的状态数据为在相同时间窗口的状态数据。也就是说，获取到的目标磁盘的状态数据及对应的相邻磁盘的状态数据为在相同时段中的状态数据。例如，以时间窗口的窗口长度为48小时为例，目标磁盘的状态数据为今天0点至第2天24点的时间段，那么相邻磁盘的状态数据也需要是在今天0点至第2天24点的时间段内的状态数据。

目标磁盘指需要进行状态判断的磁盘，获取到目标磁盘的状态数据，根据目标磁盘的状态数据去匹配目标磁盘对应的相邻磁盘，进而获取到每一个相邻磁盘的状态数据。

在具体实现中，本实施例中目标磁盘的状态数据或者相邻磁盘的状态数据至少包括磁盘的磁盘编号，根据目标磁盘的磁盘编号去匹配对应的相邻磁盘，例如，医疗领域中存储病人病历数据的磁盘为例，病历磁盘的磁盘编号为CP-0015，根据磁盘编号CP-0015去匹配磁盘编号为CP-0014、CP-0016的磁盘作为目标磁盘对应的相邻磁盘，据此，可以实现获取到目标磁盘的状态数据及对应的相邻磁盘的状态数据。

应当理解的是，本实施例中目标磁盘对应的相邻磁盘可以存在2个、4个、16个、32个等等，本实施例中对获取到的目标磁盘对应的相邻磁盘的数量不做具体限定。

S102：基于目标磁盘的状态数据和每个相邻磁盘的状态数据，分别计算得到目标磁盘的特征向量和每个相邻磁盘的特征向量。

在具体实现中，本实施例中通过将目标磁盘的特征数据以及每个相邻磁盘的特征数据输入到特征提取模型(如RNN模型)，进而通过特征提取模型，得到目标磁盘的特征向量和每个相邻磁盘的特征向量。

S103：对目标磁盘的特征向量和每个相邻磁盘的特征向量进行特征融合，得到融合特征向量。

计算得到每个相邻磁盘的特征向量对应的权重系数，然后，基于目标磁盘的特征向量，和每个相邻磁盘的特征向量及对应的权重系数，计算得到融合特征向量。

S104：将融合特征向量输入到状态预测模型，得到目标磁盘的状态预测结果。

其中，状态预测结果用于判断目标磁盘是否即将发生故障。

在具体实现中，本实施例中的状态预测模型可以为一个经过预训练的全连接层。将融合特征向量输入到该连接层，得到目标磁盘的状态预测结果。然后，基于状态预测结果判断目标磁盘是否即将发生故障。如果目标磁盘即将发生故障，对目标磁盘进行故障处理，如果目标磁盘处于健康状态，流程结束。

其中，对目标磁盘进行故障处理包括但不限于对目标磁盘进行数据备份、磁盘修复或者发出磁盘故障预警，发出磁盘故障警报可以提醒工作人员对目标磁盘进行更换处理。

本发明实施例一公开的一种磁盘状态判断方法，基于目标磁盘的状态数据和该目标磁盘对应的相邻磁盘的状态数据，分别计算得到目标磁盘的特征向量和每个相邻磁盘的特征向量，进而对目标磁盘的特征向量和每个相邻磁盘的特征向量进行特征融合，得到融合特征向量，基于融合特征向量对目标磁盘进行特征预测，得到用于判断目标磁盘是否即将发生故障状态预测结果。可见，本发明中对目标磁盘进行状态预测，不仅利用到了目标磁盘的状态数据，还利用到了目标磁盘对应的相邻磁盘的状态数据，通过多状态数据融合来对目标磁盘的状态进行预测，相较于仅通过目标磁盘的状态数据来对目标磁盘的状态进行预测，避免了可利用的预测数据比较单一的问题，有利于提高磁盘故障预测的精确度，可以有效保证医疗领域中医院磁盘中病人病历等数据的安全性。

基于图1的具体实现中，步骤S103具体可以通过以下步骤实现，如图2所示：

S201：计算得到每个相邻磁盘的特征向量对应的权重系数。

将每个相邻磁盘的特征向量输入到权重计算公式，计算得到每个相邻磁盘的特征向量对应的权重系数。

其中，权重计算公式可以如下所示：

其中，

S202：基于目标磁盘的特征向量，和每个相邻磁盘的特征向量及对应的权重系数，计算得到融合特征向量。

将目标磁盘的特征向量和每个相邻磁盘的特征向量及对应的权重系数输入到特征融合公式，计算得到融合特征向量；

其中，特征融合公式可以如下所示：

其中，

可以理解的是，将目标磁盘的特征向量加上每个相邻磁盘的特征向量与权重系数的积，即可得到融合特征向量，基于融合特征向量，执行磁盘状态判断的后续步骤。

综上所述，本实施例中使用注意力机制计算相邻磁盘的关联程度，然后使用关联程度作为权重系数融合这些特征，利用融合后的特征做磁盘故障预测，可以大幅度提高对目标磁盘的预测精度，实现对医疗领域磁盘中病人病历相关数据的安全性。

基于图1的具体实现中，在步骤S104之前还包括以下步骤，具体如图3所示：

S105：获取到训练数据集。

其中，训练数据集中包括不同样本磁盘或者相同样本磁盘在相同长度的滑动窗口中的状态数据，和指示样本磁盘是否即将发生故障的故障标签。

其中，样本数据集可以通过如下方式表示：

D＝{(X

其中，(X

具体的，上述样本标签的数值如果等于1，那么表示该样本磁盘很快就要坏了，否则表示磁盘健康。而状态数据X

例如，以第i样本磁盘的对应的样本中的状态数据为例：

其中，

其中，w表示窗口长度的大小，根据实际需要进行设定，

S106：基于训练数据集，得到训练好的状态预测模型。

将获取到的训练数据集输入到状态预测模型进行训练，在训练过程中不断更新模型参数，并不断计算状态预测模型的损失值，在损失值不再下降的时候，认为得到了训练好的状态预测模型，基于训练好的状态预测模型执行磁盘状态预测方法的后续步骤。

在基于图1的具体实现中，在步骤S104之后还可以包括以下步骤，如图4所示：

S107：判断状态预测结果是否等于预设数值。

如果状态预测结果等于预设数值，执行步骤S108，即对目标磁盘中的数据进行备份处理，并发出磁盘故障预警，如果状态预测结果不等于预设数值，确定目标磁盘处于健康状态，无需对目标磁盘进行处理，流程结束。

在具体实现中，本实施例中的状态预测结果为一个在[0,1]之间的数值，以预设数值为1为例，当状态预测结果等于1时，执行步骤S108，如果状态预测结果小于1，则认为目标磁盘处于健康状态，无需对目标磁盘进行处理，流程结束。

S108：对目标磁盘中的数据进行备份处理，并发出磁盘故障预警。

具体的，对目标磁盘进行故障处理包括但不限于对目标磁盘进行数据备份、磁盘修复或者发出磁盘故障预警，发出磁盘故障警报可以提醒工作人员对目标磁盘进行更换处理。

可见，本实施例中的方法可以对即将发生故障的磁盘进行数据备份，从根源上杜绝出现大量数据丢失，并通过多种方式对磁盘进行故障处理，可以有效保证数据存储用户的数据安全。

在一种实现方式中，目标磁盘的状态数据或者相邻磁盘的状态数据包括但不限于磁盘编号、磁盘所在的服务器编号、硬盘SMART检测参数、系统相关参数以及驱动相关参数。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

实施例二

如图5所示，为本发明实施例二公开的一种磁盘状态判断装置的结构示意图，具体如下所示：

在具体实现中，本实施例中的磁盘状态判断装置可以包括以下单元：

状态数据获取单元501，用于获取到目标磁盘的状态数据及对应的相邻磁盘的状态数据，目标磁盘的状态数据和每个相邻磁盘的状态数据为在相同时间窗口的状态数据；

特征向量计算单元502，用于基于目标磁盘的状态数据和每个相邻磁盘的状态数据，计算得到目标磁盘的特征向量和每个相邻磁盘的特征向量；

特征向量融合单元503，用于对目标磁盘的特征向量和每个相邻磁盘的特征向量进行特征融合，得到融合特征向量；

磁盘状态预测单元504，用于将融合特征向量输入到状态预测模型，得到目标磁盘的状态预测结果，状态预测结果用于判断目标磁盘是否即将发生故障。

在一种实现方式中，特征向量融合单元503具体用于：

计算得到每个相邻磁盘的特征向量对应的权重系数；

基于目标磁盘的特征向量，和每个相邻磁盘的特征向量及对应的权重系数，计算得到融合特征向量。

在一种实现方式中，特征向量融合单元503也可以用于：

将每个相邻磁盘的特征向量输入到权重计算公式，计算得到每个相邻磁盘的特征向量对应的权重系数；

权重计算公式为：

其中，

在一种实现方式中，特征向量融合单元503也可以用于：

将目标磁盘的特征向量和每个相邻磁盘的特征向量及对应的权重系数输入到特征融合公式，计算得到融合特征向量；

具体的，特征融合公式可以如下所示：

其中，

在一种实现方式中，本装置还包括预测模型训练单元，具体用于：

获取到训练数据集；训练数据集中包括不同磁盘或者相同磁盘在相同长度的滑动窗口中的状态数据，和指示磁盘是否即将发生故障的故障标签；

基于训练数据集，得到训练好的状态预测模型。

在一种实现方式中，本装置还包括故障处理单元，具体用于：

判断状态预测结果是否等于预设数值；

若状态预测结果等于预设数值，确定目标磁盘即将出现故障；

对目标磁盘中的数据进行备份处理，并发出磁盘故障预警。

在一种实现方式中，目标磁盘的状态数据或者相邻磁盘的状态数据至少包括：磁盘编号、磁盘所在的服务器编号、硬盘SMART检测参数、系统相关参数以及驱动相关参数。

关于磁盘状态判断装置的具体限定，可以参见上文中对于磁盘状态判断方法的有关限定，在此不再赘述。上述磁盘状态判断装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

实施例三

本申请实施例三公开了一种计算机设备，该计算机设备可以是服务端，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种磁盘状态判断方法。

在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：

获取到目标磁盘的状态数据及对应的相邻磁盘的状态数据，目标磁盘的状态数据和每个相邻磁盘的状态数据为在相同时间窗口的状态数据；

基于目标磁盘的状态数据和每个相邻磁盘的状态数据，分别计算得到目标磁盘的特征向量和每个相邻磁盘的特征向量；

对目标磁盘的特征向量和每个相邻磁盘的特征向量进行特征融合，得到融合特征向量；

将融合特征向量输入到状态预测模型，得到目标磁盘的状态预测结果，状态预测结果用于判断目标磁盘是否即将发生故障。

实施例四

本申请实施例四公开了一种计算机可读存储介质，当计算机可读存储介质中的指令由计算机设备中的处理器执行时，使得计算机设备能够执行如本发明公开的一种磁盘状态判断方法的任一实施例的各个步骤。所述计算机可读存储介质可以是非易失性，也可以是易失性。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

获取到目标磁盘的状态数据及对应的相邻磁盘的状态数据，目标磁盘的状态数据和每个相邻磁盘的状态数据为在相同时间窗口的状态数据；

基于目标磁盘的状态数据和每个相邻磁盘的状态数据，分别计算得到目标磁盘的特征向量和每个相邻磁盘的特征向量；

对目标磁盘的特征向量和每个相邻磁盘的特征向量进行特征融合，得到融合特征向量；

将融合特征向量输入到状态预测模型，得到目标磁盘的状态预测结果，状态预测结果用于判断目标磁盘是否即将发生故障。

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，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)，以及存储器总线动态RAM(RDRAM)等。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。