面向磁盘故障预测的机器学习方法比较

来源：计算机工程与科学杂志2015年第12期北京时间：

作者：董勇，蒋艳凰，卢宇彤,周恩强

单位：1.国防科学技术大学计算机学院,湖南 长沙 410073;2. 高性能计算国家重点实验室,湖南 长沙 410073

摘要：磁盘是保存数据的重要载体，提高磁盘的可靠性和数据可用性具有重要意义。现代磁盘普遍支持SMART协议，用来监控磁盘的内部工作状态。采用机器学习方法，分析磁盘的SMART信息，实现对磁盘故障的预测。所采用的机器学习方法包括反向神经网络、决策树、支持向量机以及简单贝叶斯，并采用实际磁盘SMART数据进行验证与分析。基于上述数据，对不同机器学习方法的有效性及其效果进行了对比。结果表明，决策树方法的预测率最好，支持向量机方法的误报率最低。

关键词：磁盘,故障预测,机器学习,

基金资助：国家863计划资助项目（2012AA01A301）;国家自然科学基金资助项目（61272141,61303068,61120106005）