国产人工智能平台的磁盘故障预测应用

扬州万方电子技术有限责任公司 朱洪斌 李 悦

随着国产软硬件技术的不断成熟，目前已具备融合人工智能的应用研究和设计能力，但仍处于起步阶段。传统的磁盘故障检测具有滞后性，往往是已经出现问题后才将其检测出来，本文结合主动容错技术——自我监测、分析与报告技术(Self-Monitoring Analysis and Reporting Technology，SMART)和深度学习算法构建了一种适应于国产存储设备的磁盘故障预测方法，实验结果表明了预测的准确性，与阈值判定方法监测SMART属性值的方法（故障检测率为3%-10%）相比，故障检测率有了极大的提升，验证了国产人工智能平台的应用可行性。

1 国产人工智能平台环境搭建

国产人工智能平台是面向深度学习、智能分析等场景，融合国产环境和人工智能芯片，适配基础层驱动和运行环境，打造的一个集数据处理、模型加工、训练推理、智能化应用的基础平台，支持高效的模型训练、推理等开发框架，并支持多场景、集群式的部署运行，能够为各类用户提供初步的AI解决方案。

本文基于国产飞腾处理器和银河麒麟操作系统，搭建了国产基础软硬件平台，并部署适配Python、Cmake等基础开发环境。人工智能芯片采用国产华为Atlas300，并开展了驱动适配、环境移植、框架适配、模型以及应用开发等研制工作。

2 基于深度学习算法的磁盘故障预测

2.1 实验数据

本文中使用的实验数据来自BACKBLAZE官网的2018年四个季度的ST8000DM002型号的样本，采集频率为24h一次。除去含有空值以及采集天数小于两天的样本，最终选取了9954块硬盘，其中故障硬盘为90块，正常硬盘为9864块。……