OceanStor Dorado硬盘健康预测原理

硬盘健康预测

硬盘是存储系统的基础组成，虽然当今存储系统广泛使用各种冗余技术，但都只能保证有限块硬盘失效的场景，如RAID5只允许一块硬盘失效，当出现两块硬盘失效时，存储系统为保障数据可靠，将停止对外提供服务。同时硬盘还是存储系统最大的消耗品，硬盘寿命是很多用户最关心的话题，由于SSD盘是电子元器件，硬盘寿命预测指标非常少，同时业务每天读写繁忙度不同加剧寿命预测结果的难度。

eService通过采集硬盘的Smart信息、硬盘的I/O链路信息、硬盘可靠性指标，输入到数百个硬盘失效预测模型里进行预测，实现精准预测SSD盘寿命的功能。eService使用智能算法实现硬盘风险预测，提前发现故障硬盘和更换风险盘，实现故障预防，提高系统可靠性

图1-1 硬盘健康预测实现原理图

• 数据源采集

硬盘厂商会提供硬盘的S.M.A.R.T的静态数据，这些S.M.A.R.T信息中有很多可以表征硬盘的运行状态，能够一定范围内识别风险盘，但预测结果准确度很难保证。eService采用 智能 动态分析硬盘S.M.A.R.T的变化、性能指标波动规律，以及硬盘LOG，确保预测结果更加准确。

• S.M.A.R.T

SSD盘，SSD接口提供了SCSI Log Page信息，这些Log Page中的信息详细记录当前硬盘的状态、当前性能指标，如grown defect list、non-medium error、read/write/verfify uncorrected errors等。

• 性能指标

包括硬盘每分钟的平均I/O大小分布、IOPS、带宽、每天处理的bytes数等Workload信息，以及时延，平均服务时间等性能指标。

• 硬盘LOG

包括华为存储内部采集的I/O错误码信息，DIF错误信息，降级错误信息，慢盘信息与慢盘周期、盘片寿命等信息，确保预测更加准确。

• 特征提取

通过HistoryBigData 大量样本数据，利用算法自动进行特性变换和特征提取

• 分析平台

  • 在线训练：基于模型算法进行训练，通过有限次迭代，优化模型算法。
  • 机器学习模型库：硬盘失效预测模型。
  • 在线预测：使用优化后的训练模型对硬盘进行失效预测
• 预测结果

eService通过海量的SSD硬盘数据的测试验证，基于硬盘失效预测模型实现精准预测SSD盘寿命。