模型训练方法、故障确定方法、电子设备和程序产品与流程

技术特征：
1.一种模型训练方法，包括：获取与磁盘的至少一个故障扇区相关联的、在第一时间段内被采集的多个磁盘故障数据集；获取与所述至少一个故障扇区相关联的、在所述第一时间段之后的预定时间点被采集的另一磁盘故障数据集，所述另一磁盘故障数据集指示关于所述至少一个故障扇区所属于的至少一个故障扇区集合的故障信息；以及基于所述多个磁盘故障数据集和所述故障信息来训练故障确定模型，使得经训练的所述故障确定模型基于所述多个磁盘故障数据集所确定的、在所述预定时间点的预测故障信息与所述故障信息匹配的概率大于第一阈值概率。2.根据权利要求1所述的方法，其中获取所述多个磁盘故障数据集包括：获取在所述第一时间段内的第一时间点采集的、关于所述至少一个故障扇区中的每个故障扇区的以下至少一项参数：后台介质扫描日志，日志计数，所述日志计数指示在所述后台介质扫描日志中、与所述故障扇区相关联的后台介质扫描日志的数目，所述故障扇区所属于的扇区集合的故障计数，以及与所述故障扇区所属于的扇区集合相邻的扇区集合的故障计数。3.根据权利要求2所述的方法，其中所述后台介质扫描日志包括以下至少一项：上电时间，指示在所述故障扇区出现故障时所述磁盘的总上电时间；所述故障扇区的标识；以及所述故障扇区的故障类型。4.根据权利要求3所述的方法，其中所述扇区故障类型包括：扇区介质故障；或者扇区恢复故障。5.根据权利要求1所述的方法，还包括：获取与所述至少一个故障扇区集合相关联的扇区集合故障类型；并且其中训练所述故障确定模型包括：训练所述故障确定模型，使得经训练的所述故障确定模型基于所述多个磁盘故障数据集所确定的预测扇区集合故障类型与所获取的所述扇区集合故障类型匹配的概率大于第二阈值概率。6.根据权利要求5所述的方法，还包括：如果基于所述多个磁盘故障数据集确定所述至少一个故障扇区集合中的故障扇区集合的数目大于第一阈值数目，则将所述预测扇区集合故障类型确定为第一扇区集合故障类型。7.根据权利要求5所述的方法，还包括：如果基于所述多个磁盘故障数据集确定所述至少一个故障扇区集合中的故障扇区集合的数目小于等于第一阈值数目，则将针对所述至少一个故障扇区集合中的、故障扇区的数目大于第二阈值数目的故障扇区集合的所述扇区集合故障类型确定为第二扇区集合故障类型。
8.一种故障确定方法，包括：获取与磁盘的至少一个故障扇区相关联的、在第一时间段内被采集的多个磁盘故障数据集；以及基于根据权利要求1至7中的任一权利要求而得到的经训练的故障确定模型和所述多个磁盘故障数据集，确定在所述第一时间段之后的预定时间点、关于所述至少一个故障扇区所属于的至少一个故障扇区集合的故障信息。9.根据权利要求8所述的方法，其中确定所述故障信息包括：确定所述故障信息和与所述至少一个故障扇区集合相关联的扇区集合故障类型。10.根据权利要求9所述的方法，其中确定所述扇区集合故障类型包括：如果确定所述至少一个故障扇区集合中的故障扇区集合的数目大于第一阈值数目，则将所述扇区集合故障类型确定为第一扇区集合故障类型。11.根据权利要求9所述的方法，其中确定所述扇区集合故障类型包括：如果确定所述至少一个故障扇区集合中的故障扇区集合的数目小于等于第一阈值数目，则将针对所述至少一个故障扇区集合中的、故障扇区的数目大于第二阈值数目的故障扇区集合的所述扇区集合故障类型确定为第二扇区集合故障类型。12.一种电子设备，包括：至少一个处理单元；以及至少一个存储器，所述至少一个存储器被耦合到所述至少一个处理单元并且存储用于由所述至少一个处理单元执行的指令，所述指令当由所述至少一个处理单元执行时，使得所述设备执行动作，所述动作包括：获取与磁盘的至少一个故障扇区相关联的、在第一时间段内被采集的多个磁盘故障数据集；获取与所述至少一个故障扇区相关联的、在所述第一时间段之后的预定时间点被采集的另一磁盘故障数据集，所述另一磁盘故障数据集指示关于所述至少一个故障扇区所属于的至少一个故障扇区集合的故障信息；以及基于所述多个磁盘故障数据集和所述故障信息来训练故障确定模型，使得经训练的所述故障确定模型基于所述多个磁盘故障数据集所确定的、在所述预定时间点的预测故障信息与所述故障信息匹配的概率大于第一阈值概率。13.根据权利要求11所述的电子设备，其中获取所述多个磁盘故障数据集包括：获取在所述第一时间段内的第一时间点采集的、关于所述至少一个故障扇区中的每个故障扇区的以下至少一项参数：后台介质扫描日志，日志计数，所述日志计数指示在所述后台介质扫描日志中、与所述故障扇区相关联的后台介质扫描日志的数目，所述故障扇区所属于的扇区集合的故障计数，以及与所述故障扇区所属于的扇区集合相邻的扇区集合的故障计数。14.根据权利要求13所述的电子设备，其中所述后台介质扫描日志包括以下至少一项：上电时间，指示在所述故障扇区出现故障时所述磁盘的总上电时间；所述故障扇区的标识；以及
所述故障扇区的故障类型。15.根据权利要求14所述的电子设备，其中所述扇区故障类型包括：扇区介质故障；或者扇区恢复故障。16.根据权利要求12所述的电子设备，其中所述动作还包括：获取与所述至少一个故障扇区集合相关联的扇区集合故障类型；并且其中训练所述故障确定模型包括：训练所述故障确定模型，使得经训练的所述故障确定模型基于所述多个磁盘故障数据集所确定的预测扇区集合故障类型与所获取的所述扇区集合故障类型匹配的概率大于第二阈值概率。17.根据权利要求12所述的电子设备，其中所述动作还包括：如果基于所述多个磁盘故障数据集确定所述至少一个故障扇区集合中的故障扇区集合的数目大于第一阈值数目，则将所述预测扇区集合故障类型确定为第一扇区集合故障类型。18.根据权利要求12所述的电子设备，其中所述动作还包括：如果基于所述多个磁盘故障数据集确定所述至少一个故障扇区集合中的故障扇区集合的数目小于等于第一阈值数目，则将针对所述至少一个故障扇区集合中的、故障扇区的数目大于第二阈值数目的故障扇区集合的所述扇区集合故障类型确定为第二扇区集合故障类型。19.一种电子设备，包括：至少一个处理单元；以及至少一个存储器，所述至少一个存储器被耦合到所述至少一个处理单元并且存储用于由所述至少一个处理单元执行的指令，所述指令当由所述至少一个处理单元执行时，使得所述设备执行动作，所述动作包括：获取与磁盘的至少一个故障扇区相关联的、在第一时间段内被采集的多个磁盘故障数据集；以及基于根据权利要求12至18中的任一权利要求而得到的经训练的故障确定模型和所述多个磁盘故障数据集，确定在所述第一时间段之后的预定时间点、关于所述至少一个故障扇区所属于的至少一个故障扇区集合的故障信息。20.根据权利要求19所述的电子设备，其中确定所述故障信息包括：确定所述故障信息和与所述至少一个故障扇区集合相关联的扇区集合故障类型。21.根据权利要求20所述的电子设备，其中确定所述扇区集合故障类型包括：如果确定所述至少一个故障扇区集合中的故障扇区集合的数目大于第一阈值数目，则将所述扇区集合故障类型确定为第一扇区集合故障类型。22.根据权利要求20所述的电子设备，其中确定所述扇区集合故障类型包括：如果确定所述至少一个故障扇区集合中的故障扇区集合的数目小于等于第一阈值数目，则将针对所述至少一个故障扇区集合中的、故障扇区的数目大于第二阈值数目的故障扇区集合的所述扇区集合故障类型确定为第二扇区集合故障类型。23.一种计算机程序产品，所述计算机程序产品被有形地存储在非瞬态计算机可读介
质上并且包括机器可执行指令，所述机器可执行指令在被执行使得机器执行根据权利要求1至7中的任一项所述的方法的步骤。24.一种计算机程序产品，所述计算机程序产品被有形地存储在非瞬态计算机可读介质上并且包括机器可执行指令，所述机器可执行指令在被执行使得机器执行根据权利要求8至11中的任一项所述的方法的步骤。

技术总结
本公开的实施例涉及模型训练方法、故障确定方法、电子设备和计算机程序产品。该模型训练方法包括：获取在第一时间段内被采集的多个磁盘故障数据集；获取在第一时间段之后的预定时间点被采集的、指示至少一个故障扇区集合的故障信息的另一磁盘故障数据集；以及基于多个磁盘故障数据集和故障信息来训练故障确定模型，使得经训练的故障确定模型基于多个磁盘故障数据集所确定的、在预定时间点的预测故障信息与故障信息匹配的概率大于第一阈值概率。使用本公开的技术方案，可以基于与故障扇区相关联的磁盘故障数据集来预测磁盘所包括的扇区集合将出现的故障信息，从而可以使得磁盘的用户或者管理员可以预先得知磁盘的扇区集合将会出现的故障状况。会出现的故障状况。会出现的故障状况。


技术研发人员：翁凌冬 刘冰 陈涛
受保护的技术使用者：伊姆西IP控股有限责任公司
技术研发日：2021.07.23
技术公布日：2023/2/6