基于隨機森林的硬盤故障預測算法的研究.pdf

1、隨著數(shù)據(jù)中心存儲規(guī)模的快速增長，以硬盤為主要載體的存儲系統(tǒng)可靠性成為影響計算機系統(tǒng)可靠性的關鍵因素。然而傳統(tǒng)的容錯機制，如硬盤鏡像、糾刪碼等，還存在著存儲成本較高、故障恢復期間用戶體驗度降低、故障恢復代價較高等缺點，難以滿足數(shù)據(jù)中心不同需求。近年來，研究者采用一些機器學習方法基于硬盤的SMART屬性來對硬盤建立故障預測模型，對硬盤可能發(fā)生的故障進行提前預測，并取得了比較好的預測效果。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用在現(xiàn)實世界的數(shù)據(jù)中心。
　　本文以預測硬盤故障、提高存儲系統(tǒng)可靠性為研究內(nèi)容，根據(jù)硬盤SMART數(shù)據(jù)的特點，分布不平衡，提出了一種基于隨機森林算法的硬盤故障預測模型，旨在保證在故障誤報率低的情況下，提高故障的檢測率。目前所進行的研究主要包括: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性，選取出更適合于隨機森林模型的特征值。2、對硬盤進行故

3、障預測屬于一種不平衡分類問題，提出了隨機森林算法建立故障預測模型，與神經(jīng)網(wǎng)絡模型進行了對比，在硬盤故障檢測率和誤報率上隨機森林模型取得了更好的實用性。3、針對隨機森林建立的硬盤故障預測模型進行了分析，在理解森林中單棵決策樹與森林整體預測效果的關系后，根據(jù)森林中決策樹準確率對隨機森林進行了修剪，提高了硬盤故障預測的效果。4、在對硬盤進行故障預測時，隨著測試硬盤距訓練模型時間間隔的變大，模型出現(xiàn)“老化”的現(xiàn)象，針對這一問題，對模型進行了更新