lswcap
硬盘驱动器和HDD具有以低价格提供大容量存储适合长期存储的优点，但缺点是抗冲击或耐热性差，并且由于使用很多精密零件。在线存储服务提供商 Backblaze 解释了一篇技术研究论文，该论文通过硬盘状态下的机器学习来预测未来故障的可能性，从而引起了人们的注意。
Backblaze每天从世界各地的数据中心收集硬盘型号、序列号、SMART等数据，截至2013年4月已累计超过2.66亿条记录。据说截至2013年4月，数据从19.1万块硬盘发送至Backblaze 2021 年 9 月 30 日。
硬盘自诊断功能 SMART 记录数据传输速度、通电时间、温度、搜索错误频率以及启动和停止磁盘旋转电机的数量。自 1990 年代以来，已经尝试根据这些 SMART 数据预测 HDD 错误。例如，在 Backbraze 2014 年和 2016 年发表的一项研究和谷歌 2007 年发表的一项研究中，在 SMART 信息中，05：扇区被替换，BB：不可纠正错误数，BC：命令时间，C5：替换处理待处理扇区， C6：不可恢复扇区通过硬盘故障关联分析。
Backblaze此次关注的论文是由一家人工智能公司（Interpretable AI）研究团队发表的。研究团队分析了从 2017 年第一季度到 2020 年第一季度每天从超过 35,000 块 ST12000NM0007（希捷制造的氦可充电 HDD）收集的 SMART 信息。此外，通过计算每个 HDD 的剩余寿命并使用数据构建生存树来执行灾难预测，以显示 SMART 和剩余寿命如何受 SMART 属性的影响。
逐年长期预测的生存树确定了 05：顶部节点 1 中的替代扇区。如果结果小于 1.5，则转到节点 2 并检查 03：spin-up time。如果结果为1.5以上，则转至节点15，转至C5：验证挂起替换处理。根据这些验证和结果，重复预测分支。
例如，底部的节点 18 预测到目前为止已验证的 HDD 中至少有一半不会在 2 年内出现。相反，经验证为节点 11 的 HDD 预计将在 50 天内发生故障。
在 90 天范围内用于短期预测的生存树的情况下，从最低节点 21 和节点 24 分支的 HDD 几乎肯定会在 90 天内预测问题。另一方面，据说分支到节点 12 和 15 的 HDD 不太可能在 90 天内发生故障。
研究团队在进行HDD长期预测时，使用了2017-2020年三年的数据，并限制了2019-2020年的一年数据，将观测次数减少到557,936次。通过从第一个数据集中随机重新采样观察来训练 AI 模型，其余的用于测试。
Backblaze 表示它可以预测驱动器故障，但很明显它并不完美。尽管如此，他说重要的是备份策略。有。相关信息可以在这里找到。
Add comment