基于隨機(jī)森林的硬盤故障預(yù)測(cè)算法的研究.pdf

1、隨著數(shù)據(jù)中心存儲(chǔ)規(guī)模的快速增長(zhǎng)，以硬盤為主要載體的存儲(chǔ)系統(tǒng)可靠性成為影響計(jì)算機(jī)系統(tǒng)可靠性的關(guān)鍵因素。然而傳統(tǒng)的容錯(cuò)機(jī)制，如硬盤鏡像、糾刪碼等，還存在著存儲(chǔ)成本較高、故障恢復(fù)期間用戶體驗(yàn)度降低、故障恢復(fù)代價(jià)較高等缺點(diǎn)，難以滿足數(shù)據(jù)中心不同需求。近年來(lái)，研究者采用一些機(jī)器學(xué)習(xí)方法基于硬盤的SMART屬性來(lái)對(duì)硬盤建立故障預(yù)測(cè)模型，對(duì)硬盤可能發(fā)生的故障進(jìn)行提前預(yù)測(cè)，并取得了比較好的預(yù)測(cè)效果。但之前的研究大部分使用單分類器模型，由于硬盤的故障屬于

2、一類小概率事件，硬盤數(shù)據(jù)分布不平衡，使得這些模型不能很好應(yīng)用在現(xiàn)實(shí)世界的數(shù)據(jù)中心。
　　本文以預(yù)測(cè)硬盤故障、提高存儲(chǔ)系統(tǒng)可靠性為研究?jī)?nèi)容，根據(jù)硬盤SMART數(shù)據(jù)的特點(diǎn)，分布不平衡，提出了一種基于隨機(jī)森林算法的硬盤故障預(yù)測(cè)模型，旨在保證在故障誤報(bào)率低的情況下，提高故障的檢測(cè)率。目前所進(jìn)行的研究主要包括:1、根據(jù)硬盤SMART數(shù)據(jù)的分布，定性分析了SMART特征值與硬盤故障的相關(guān)性，選取出更適合于隨機(jī)森林模型的特征值。2、對(duì)硬盤進(jìn)行故

3、障預(yù)測(cè)屬于一種不平衡分類問(wèn)題，提出了隨機(jī)森林算法建立故障預(yù)測(cè)模型，與神經(jīng)網(wǎng)絡(luò)模型進(jìn)行了對(duì)比，在硬盤故障檢測(cè)率和誤報(bào)率上隨機(jī)森林模型取得了更好的實(shí)用性。3、針對(duì)隨機(jī)森林建立的硬盤故障預(yù)測(cè)模型進(jìn)行了分析，在理解森林中單棵決策樹與森林整體預(yù)測(cè)效果的關(guān)系后，根據(jù)森林中決策樹準(zhǔn)確率對(duì)隨機(jī)森林進(jìn)行了修剪，提高了硬盤故障預(yù)測(cè)的效果。4、在對(duì)硬盤進(jìn)行故障預(yù)測(cè)時(shí)，隨著測(cè)試硬盤距訓(xùn)練模型時(shí)間間隔的變大，模型出現(xiàn)“老化”的現(xiàn)象，針對(duì)這一問(wèn)題，對(duì)模型進(jìn)行了更新