大规模存储系统硬盘故障预测方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-15页 |
| 第一节 研究背景 | 第11-12页 |
| 第二节 本文的主要工作和组织结构 | 第12-15页 |
| 第二章 高可靠存储系统的相关研究 | 第15-26页 |
| 第一节 存储系统可靠性度量 | 第15-17页 |
| 第二节 传统的存储系统容错技术 | 第17-20页 |
| 第三节 SMART故障预警技术 | 第20-22页 |
| 第四节 使用机器学习算法预测硬盘故障 | 第22-26页 |
| 第三章 数据集描述与预处理 | 第26-31页 |
| 第一节 数据收集 | 第26-27页 |
| 第二节 特征选择 | 第27-28页 |
| 第三节 构建变化率特征 | 第28-29页 |
| 第四节 特征归一化 | 第29-31页 |
| 第四章 硬盘故障预测模型 | 第31-47页 |
| 第一节 基于支持向量机的故障预测模型 | 第31-35页 |
| ·SVM模型训练算法 | 第31-34页 |
| ·SVM模型优化方法与实现 | 第34-35页 |
| 第二节 基于人工神经网络的故障预测模型 | 第35-43页 |
| ·BP-ANN模型训练算法 | 第35-39页 |
| ·BP-ANN模型实现与AdaBoost优化 | 第39-42页 |
| ·健康度模型 | 第42-43页 |
| 第三节 故障预测模型在存储系统中的应用 | 第43-47页 |
| ·模型更新和预警处理 | 第43-45页 |
| ·主动容错分布式存储系统框架 | 第45-47页 |
| 第五章 实验结果与分析 | 第47-65页 |
| 第一节 实验环境 | 第47-50页 |
| ·实验准备 | 第47-48页 |
| ·实验统计指标 | 第48-50页 |
| 第二节 SVM模型的结果 | 第50-54页 |
| ·故障预测准确率 | 第50-52页 |
| ·故障预测提前时间 | 第52-53页 |
| ·验证变化率特征的作用 | 第53-54页 |
| 第三节 BP-ANN模型的结果 | 第54-61页 |
| ·预测准确率和提前时间 | 第54-57页 |
| ·BP-AdaBoost优化模型 | 第57-59页 |
| ·健康度模型的结果 | 第59-61页 |
| 第四节 可靠性分析 | 第61-65页 |
| ·单硬盘可靠性的提升 | 第62页 |
| ·RAID5阵列可靠性的提升 | 第62-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 第一节 总结 | 第65页 |
| 第二节 展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 个人简历 | 第71页 |
