四川中電啟明星信息技術(shù)有限公司 余 癡 李 立 王海慶 胡 波

大數(shù)據(jù)分析、云存儲技術(shù)的迅速發(fā)展為電力系統(tǒng)智能化發(fā)展提供了堅實的數(shù)據(jù)支持，這些數(shù)據(jù)對維護系統(tǒng)正常運行具有重要的參考和指導(dǎo)意義，維護數(shù)據(jù)信息的安全至關(guān)重要。數(shù)據(jù)信息存儲在網(wǎng)絡(luò)運設(shè)備中，存儲設(shè)備數(shù)量較為龐大，監(jiān)視存儲設(shè)備的運行狀態(tài)，預(yù)測存儲系統(tǒng)的存儲故障顯得只管重要。本文對存儲設(shè)備故障的神經(jīng)網(wǎng)絡(luò)預(yù)測方法進行了論述，具有一定的參考意義。

一、概述

隨著大數(shù)據(jù)技術(shù)、物聯(lián)網(wǎng)技術(shù)以及網(wǎng)絡(luò)云技術(shù)等網(wǎng)絡(luò)信息技術(shù)的快速發(fā)展，人們對大規(guī)模存儲系統(tǒng)的發(fā)展要求也越來越高。互聯(lián)網(wǎng)系統(tǒng)的數(shù)據(jù)存儲系統(tǒng)變得越來越龐大。大量的重要信息存儲在數(shù)據(jù)中心，這些數(shù)據(jù)的安全性是人們關(guān)注的一個關(guān)鍵問題。硬盤是最常用的數(shù)據(jù)存儲設(shè)備，一旦硬盤出現(xiàn)問題，則很容易導(dǎo)致數(shù)據(jù)的損壞和丟失，從而造成難以估量的損失。并且隨著有用數(shù)據(jù)數(shù)量的迅速膨脹，所需的存儲系統(tǒng)規(guī)模的不斷增大，建立一個高安全性的存儲系統(tǒng)成為一個亟需解決的問題。最為常見的方式就是針對硬盤的一些運行參數(shù)制定相應(yīng)的健康標準，一旦硬盤運行過程中超出健康范圍，系統(tǒng)則發(fā)出報警信息并采取相應(yīng)的應(yīng)對措施如數(shù)據(jù)遷移或者數(shù)據(jù)備份。

二、常用的存儲故障處理技術(shù)

如今，副本機制是大型數(shù)據(jù)存儲中心最常見的提高存儲設(shè)備可靠性的方式。通常可以將需要存儲的數(shù)據(jù)保存數(shù)個副本，通過多個備份的手段來提高數(shù)據(jù)的安全性，一旦數(shù)據(jù)丟失或損壞可以很快的從副本重新提取數(shù)據(jù)，這種方式的數(shù)據(jù)安全性和重塑性好，但是需要的存儲空間大，成本投入較高。同時，由于副本機制無需加密解碼，且網(wǎng)絡(luò)資源占用小，具有較強的數(shù)據(jù)重構(gòu)性。

此外，糾刪碼也是常用的數(shù)據(jù)存儲安全技術(shù)。糾刪碼的方式利用一定的計算模型根據(jù)數(shù)據(jù)內(nèi)容計算出數(shù)據(jù)校驗碼，當數(shù)據(jù)損壞或丟失后，系統(tǒng)可以根據(jù)計算模型反向推導(dǎo)出原始數(shù)據(jù)的內(nèi)容。糾刪碼所需的存儲空間較小，但在數(shù)據(jù)恢復(fù)過程中的計算量較大，其可靠性也低于副本機制。

另外，磁盤的扇區(qū)和塊出現(xiàn)故障或者損壞的情況也經(jīng)常出現(xiàn)，因此，系統(tǒng)應(yīng)定期對磁盤扇區(qū)進行檢測，從而及時發(fā)現(xiàn)扇區(qū)故障，并采取備份等措施保護扇區(qū)數(shù)據(jù)。這一技術(shù)被成為扇區(qū)清洗。

三、基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)故障預(yù)測模型

提高存儲系統(tǒng)的可靠性，其關(guān)鍵在于及時發(fā)現(xiàn)存儲故障。SMART技術(shù)是常用的存儲故障檢測技術(shù)，它通過故障檢測和報警處理的方式，對存儲器的故障進行主動檢測處理。從而在故障發(fā)生以前，提前發(fā)出故障報警，并對危險數(shù)據(jù)進行備份，提高了數(shù)據(jù)的安全性，避免了數(shù)據(jù)丟失的危險。采用SMART法根據(jù)硬盤運行參數(shù)對硬盤健康程度進行簡單的預(yù)測分析已經(jīng)取得了一定的成果，為提高預(yù)測的準確性，我們需要建立更加科學(xué)完善的數(shù)學(xué)模型。

神經(jīng)網(wǎng)絡(luò)是常用的計算模型，其利用計算機模擬人類的認知過程，通過模型的建立，對研究對象影響因素進行特征值分析提取，并對特征值進行計算分析，最終得到最優(yōu)解。反向傳播算法是神經(jīng)網(wǎng)絡(luò)模型的常用算法，這種計算模型通過對系統(tǒng)誤差的反向推算，不斷減小系統(tǒng)誤差。本文采用了輸入層、隱含層以及輸出層三層結(jié)構(gòu)組成的神經(jīng)網(wǎng)絡(luò)模型對存儲設(shè)備的故障進行預(yù)測。其結(jié)構(gòu)如下圖1所示。

圖1 存儲設(shè)備故障檢測的神經(jīng)網(wǎng)絡(luò)模型

神經(jīng)網(wǎng)絡(luò)的隱含層可能存在多個，上圖中的圓圈表示一個神經(jīng)元節(jié)點，神經(jīng)元節(jié)點是數(shù)據(jù)處理的基本單元，每個層次都包含若干神經(jīng)元節(jié)點，臨近層次的神經(jīng)元節(jié)點通過某種權(quán)重關(guān)系而相互關(guān)聯(lián)，不同層次之間的連線代表這種權(quán)重關(guān)系。權(quán)重關(guān)系在模型計算之前，通過一定算法賦值，通常，權(quán)重的數(shù)值大小表示了神經(jīng)元節(jié)點之間的作用強度，通常權(quán)重的數(shù)值越大代表神經(jīng)元節(jié)點間的作用關(guān)系越強。如上圖所示，神經(jīng)元節(jié)點的信息往往只沿著一個方向傳播，不會往復(fù)循環(huán)。輸入層包含了研究對象的樣本特征，輸出層的計算結(jié)果則用來判斷硬盤故障是否將要發(fā)生。

在分析過程中，我們首先將一個研究樣本輸入模型的輸入層，將關(guān)系硬盤健康狀況的屬性根據(jù)一定的算法得出權(quán)重和特征值，然后將這些屬性綜合加權(quán)，并建立函數(shù)關(guān)系，函數(shù)的輸出就是模型的輸出信號。在分析過程中，我們利用誤差的反向傳播，通過比較目標值和輸出值之間的偏差，對神經(jīng)元節(jié)點之間的權(quán)重關(guān)系進行調(diào)整，從而盡可能減小誤差。通過不斷的往復(fù)計算，對神經(jīng)網(wǎng)絡(luò)模型的權(quán)值不斷的進行調(diào)整，最終使得神經(jīng)網(wǎng)絡(luò)模型計算結(jié)果的誤差達到允許范圍內(nèi)，求得最優(yōu)解，通常達到一定的迭代次數(shù)即可達到預(yù)期效果。在實際運算過程中，迭代的次數(shù)越多，往往誤差值越小，但迭代次數(shù)過多，會導(dǎo)致運算負擔過重。因此，迭代計算的次數(shù)往往通過人為設(shè)定，使得最終誤差在允許范圍內(nèi)即可。

四、結(jié)論

隨著技術(shù)的不斷革新，存儲設(shè)備的故障預(yù)測分析技術(shù)在不斷的發(fā)展和完善，存儲設(shè)備的故障檢測工作還有很多工作需要進一步完善。神經(jīng)網(wǎng)絡(luò)算法作為存儲設(shè)備故障點預(yù)測模型，還需在實際的云存儲系統(tǒng)中，通過不斷的實踐驗證，發(fā)現(xiàn)問題并不斷的改進。