(19)國家知識(shí)產(chǎn)權(quán)局(10)申請公布號(hào)CN120256178A(21)申請?zhí)?02510306994.8(22)申請日2025.03.15(71)申請人深圳三上科創(chuàng)有限公司道新雪社區(qū)金鵬數(shù)字產(chǎn)業(yè)園綜合樓三(74)專利代理機(jī)構(gòu)北京鼎德寶專利代理事務(wù)所(特殊普通合伙)11823(54)發(fā)明名稱及方法(57)摘要遠(yuǎn)程診斷系統(tǒng)及方法，涉及物聯(lián)網(wǎng)與存儲(chǔ)設(shè)備健康管理技術(shù)領(lǐng)域。該系統(tǒng)包括數(shù)據(jù)融合模塊、因果分析模塊、風(fēng)險(xiǎn)分析模塊及圖譜構(gòu)建模塊。數(shù)據(jù)融合模塊通過物聯(lián)網(wǎng)設(shè)備采集SMART參數(shù)、IO操作時(shí)序數(shù)據(jù)和環(huán)境數(shù)據(jù)，利用注意力機(jī)制動(dòng)態(tài)分配多源數(shù)據(jù)權(quán)重，提取硬盤健康狀態(tài)特征。因果分析模塊結(jié)合多尺度時(shí)序卷積網(wǎng)絡(luò)和貝葉斯因果網(wǎng)絡(luò)，識(shí)別周期性異常波動(dòng)并生成故障根因分析報(bào)告。風(fēng)險(xiǎn)分析模塊通過聯(lián)邦增量學(xué)習(xí)匹配歷史案例，計(jì)算硬盤故障風(fēng)險(xiǎn)指數(shù)并生成預(yù)警信號(hào)。圖譜構(gòu)建模塊根據(jù)風(fēng)險(xiǎn)指數(shù)優(yōu)化資源隔離、數(shù)據(jù)遷移及響應(yīng)路徑，生成可視化運(yùn)維圖譜，提21.一種基于物聯(lián)網(wǎng)的存儲(chǔ)硬盤遠(yuǎn)程診斷系統(tǒng)，其特征在于，包括以下模塊：數(shù)據(jù)融合模所述數(shù)據(jù)融合模塊用于通過物聯(lián)網(wǎng)設(shè)備實(shí)時(shí)采集存儲(chǔ)硬盤的SMART參數(shù)、IO操作時(shí)序數(shù)據(jù)及環(huán)境溫濕度數(shù)據(jù)，通過注意力機(jī)制動(dòng)態(tài)分配多源數(shù)據(jù)權(quán)重，提取硬盤健康狀態(tài)特征向量，用于表征硬盤物理損耗與邏輯異常的耦合關(guān)系；所述因果分析模塊用于根據(jù)硬盤健康狀態(tài)特征向量，通過多尺度時(shí)序卷積網(wǎng)絡(luò)提取SMART參數(shù)與IO延遲的長期依賴模式，識(shí)別周期性異常波動(dòng)，同時(shí)構(gòu)建貝葉斯因果網(wǎng)絡(luò)量化環(huán)境溫濕度對(duì)固件錯(cuò)誤率的貢獻(xiàn)度，生成故障根因分析報(bào)告；所述風(fēng)險(xiǎn)分析模塊用于基于故障根因分析報(bào)告，通過聯(lián)邦增量學(xué)習(xí)框架匹配歷史故障案例庫，計(jì)算硬盤故障風(fēng)險(xiǎn)指數(shù)，用于預(yù)測剩余壽命并生成分級(jí)預(yù)警信號(hào)；所述圖譜構(gòu)建模塊用于根據(jù)故障風(fēng)險(xiǎn)指數(shù)，協(xié)調(diào)存儲(chǔ)陣列的資源隔離與數(shù)據(jù)遷移策略，同時(shí)基于強(qiáng)化學(xué)習(xí)優(yōu)化響應(yīng)路徑，生成可視化運(yùn)維圖譜，用于展示故障定位、風(fēng)險(xiǎn)鏈路及修復(fù)優(yōu)先級(jí)。2.根據(jù)權(quán)利要求1所述的一種基于物聯(lián)網(wǎng)的存儲(chǔ)硬盤遠(yuǎn)程診斷系統(tǒng)，其特征在于：通過物聯(lián)網(wǎng)設(shè)備實(shí)時(shí)采集存儲(chǔ)硬盤的SMART參數(shù)、IO操作時(shí)序數(shù)據(jù)及環(huán)境溫濕度數(shù)據(jù)的具體過程如下：通過硬盤控制器接口讀取SMART參數(shù)，包括重映射扇區(qū)數(shù)、讀寫錯(cuò)誤率及介質(zhì)磨損指通過操作系統(tǒng)內(nèi)核模塊捕獲IO操作時(shí)序數(shù)據(jù)，記錄讀寫延遲、隊(duì)列深度及完成狀態(tài)；通過機(jī)柜溫濕度傳感器采集環(huán)境數(shù)據(jù)，對(duì)存儲(chǔ)硬盤的SMART參數(shù)、IO操作時(shí)序數(shù)據(jù)及環(huán)境溫濕度數(shù)據(jù)歸一化，轉(zhuǎn)換為標(biāo)準(zhǔn)格式并封裝加密后上傳至云端。3.根據(jù)權(quán)利要求2所述的一種基于物聯(lián)網(wǎng)的存儲(chǔ)硬盤遠(yuǎn)程診斷系統(tǒng)，其特征在于：通過注意力機(jī)制動(dòng)態(tài)分配多源數(shù)據(jù)權(quán)重，提取硬盤健康狀態(tài)特征向量的具體過程如下：將IO操作時(shí)序數(shù)據(jù)映射為鍵向量，反映硬盤性能波動(dòng)特征；將環(huán)境溫濕度數(shù)據(jù)映射為值向量，用于表征外部環(huán)境影響；通過動(dòng)態(tài)權(quán)重分配機(jī)制，計(jì)算注意力權(quán)重，加權(quán)融合生成硬盤健康狀態(tài)特征向量，用于綜合表征硬盤物理損耗與邏輯異常的耦合關(guān)系。4.根據(jù)權(quán)利要求3所述的一種基于物聯(lián)網(wǎng)的存儲(chǔ)硬盤遠(yuǎn)程診斷系統(tǒng)，其特征在于：通過多尺度時(shí)序卷積網(wǎng)絡(luò)提取SMART參數(shù)與IO延遲的長期依賴模式，識(shí)別周期性異常波動(dòng)的具體過程如下：輸入硬盤健康狀態(tài)特征向量，執(zhí)行多尺度時(shí)序卷積計(jì)算，通過殘差連接融合各尺度特5.根據(jù)權(quán)利要求4所述的一種基于物聯(lián)網(wǎng)的存儲(chǔ)硬盤遠(yuǎn)程診斷系統(tǒng)，其特征在于：構(gòu)建貝葉斯因果網(wǎng)絡(luò)量化環(huán)境溫濕度對(duì)固件錯(cuò)誤率的貢獻(xiàn)度，生成故障根因分析報(bào)告的具體過程如下：將環(huán)境溫濕度數(shù)據(jù)作為外生變量，固件錯(cuò)誤事件作為目標(biāo)節(jié)點(diǎn)；根據(jù)時(shí)序依賴特征，結(jié)合環(huán)境溫濕度數(shù)據(jù)與固件錯(cuò)誤事件的聯(lián)合分布，構(gòu)建貝葉斯因3果網(wǎng)絡(luò)；量化環(huán)境溫濕度對(duì)固件錯(cuò)誤率的貢獻(xiàn)度權(quán)重，生成故障根因分析報(bào)告，明確標(biāo)注主次誘因及貢獻(xiàn)度占比。6.根據(jù)權(quán)利要求5所述的一種基于物聯(lián)網(wǎng)的存儲(chǔ)硬盤遠(yuǎn)程診斷系統(tǒng)，其特征在于：基于故障根因分析報(bào)告，通過聯(lián)邦增量學(xué)習(xí)框架匹配歷史故障案例庫的具體過程如下：將故障根因分析報(bào)告作為輸入，匹配歷史案例庫中相似故障模式；通過聯(lián)邦學(xué)習(xí)框架動(dòng)態(tài)調(diào)整云端預(yù)訓(xùn)練故障預(yù)測模型參數(shù)，強(qiáng)化高貢獻(xiàn)度誘因的樣本權(quán)重，結(jié)合硬盤健康狀態(tài)特征向量，優(yōu)化故障預(yù)測模型對(duì)新型硬盤協(xié)議的泛化能力。7.根據(jù)權(quán)利要求6所述的一種基于物聯(lián)網(wǎng)的存儲(chǔ)硬盤遠(yuǎn)程診斷系統(tǒng)，其特征在于：計(jì)算硬盤故障風(fēng)險(xiǎn)指數(shù)的具體過程如下：輸入健康狀態(tài)特征向量至故障預(yù)測模型，輸出故障概率；結(jié)合根因貢獻(xiàn)度權(quán)重，動(dòng)態(tài)加權(quán)計(jì)算硬盤故障風(fēng)險(xiǎn)指數(shù)；按預(yù)設(shè)閾值劃分風(fēng)險(xiǎn)等級(jí)，觸發(fā)分級(jí)預(yù)警信號(hào)。8.根據(jù)權(quán)利要求7所述的一種基于物聯(lián)網(wǎng)的存儲(chǔ)硬盤遠(yuǎn)程診斷系統(tǒng)，其特征在于：生成可視化運(yùn)維圖譜的具體過程如下：根據(jù)強(qiáng)化學(xué)習(xí)優(yōu)化響應(yīng)策略，標(biāo)注最短修復(fù)路徑，動(dòng)態(tài)渲染圖譜，實(shí)時(shí)展示故障定位、風(fēng)險(xiǎn)鏈路及修復(fù)優(yōu)先級(jí)。9.一種基于物聯(lián)網(wǎng)的存儲(chǔ)硬盤遠(yuǎn)程診斷方法，應(yīng)用于權(quán)利要求1-8中任一項(xiàng)所述的一種基于物聯(lián)網(wǎng)的存儲(chǔ)硬盤遠(yuǎn)程診斷系統(tǒng)，其特征在于，包括以下步驟：S1.通過物聯(lián)網(wǎng)設(shè)備實(shí)時(shí)采集存儲(chǔ)硬盤的SMART參數(shù)、IO操作時(shí)序數(shù)據(jù)及環(huán)境溫濕度數(shù)據(jù)，通過注意力機(jī)制動(dòng)態(tài)分配多源數(shù)據(jù)權(quán)重，提取硬盤健康狀態(tài)特征向量，用于表征硬盤物理損耗與邏輯異常的耦合關(guān)系；S2.根據(jù)硬盤健康狀態(tài)特征向量，通過多尺度時(shí)序卷積網(wǎng)絡(luò)提取SMART參數(shù)與IO延遲的長期依賴模式，識(shí)別周期性異常波動(dòng)，同時(shí)構(gòu)建貝葉斯因果網(wǎng)絡(luò)量化環(huán)境溫濕度對(duì)固件錯(cuò)誤率的貢獻(xiàn)度，生成故障根因分析報(bào)告；S3.基于故障根因分析報(bào)告，通過聯(lián)邦增量學(xué)習(xí)框架匹配歷史故障案例庫，計(jì)算硬盤故障風(fēng)險(xiǎn)指數(shù)，用于預(yù)測剩余壽命并生成分級(jí)預(yù)警信號(hào)；S4.根據(jù)故障風(fēng)險(xiǎn)指數(shù)，協(xié)調(diào)存儲(chǔ)陣列的資源隔離與數(shù)據(jù)遷移策略，同時(shí)基于強(qiáng)化學(xué)習(xí)4一種基于物聯(lián)網(wǎng)的存儲(chǔ)硬盤遠(yuǎn)程診斷系統(tǒng)及方法技術(shù)領(lǐng)域[0001]本發(fā)明涉及物聯(lián)網(wǎng)與存儲(chǔ)設(shè)備健康管理技術(shù)領(lǐng)域，具體為一種基于物聯(lián)網(wǎng)的存儲(chǔ)硬盤遠(yuǎn)程診斷系統(tǒng)及方法。背景技術(shù)[0002]隨著信息技術(shù)的飛速發(fā)展，物聯(lián)網(wǎng)(IoT)已成為現(xiàn)代社會(huì)中重要的組成部分，特別是在智能家居、工業(yè)自動(dòng)化、醫(yī)療健康等領(lǐng)域的廣泛應(yīng)用。硬盤作為計(jì)算機(jī)及各類電子設(shè)備的核心存儲(chǔ)組件，其可靠性和穩(wěn)定性直接影響到系統(tǒng)的整體性能。然而，隨著數(shù)據(jù)存儲(chǔ)量的急劇增加，硬盤故障帶來的問題也愈發(fā)嚴(yán)重，尤其是在大規(guī)模存儲(chǔ)系統(tǒng)中，傳統(tǒng)的硬盤故障檢測和診斷方法已無法滿足日益增長的需求。為此，基于物聯(lián)網(wǎng)的遠(yuǎn)程診斷系統(tǒng)應(yīng)運(yùn)而生，它通過實(shí)時(shí)監(jiān)控硬盤的運(yùn)行狀態(tài)，利用物聯(lián)網(wǎng)技術(shù)將故障信息傳遞至云端，進(jìn)而實(shí)現(xiàn)遠(yuǎn)程診斷和維護(hù)。該系統(tǒng)不僅可以提升硬盤故障診斷的效率，還能有效減少人工巡檢和現(xiàn)場維修的成本，為數(shù)據(jù)中心和大規(guī)模存儲(chǔ)系統(tǒng)的高效運(yùn)行提供技術(shù)保障。[0003]目前，傳統(tǒng)的硬盤診斷方法主要依賴于人工巡檢、定期維護(hù)及簡單的硬盤健康檢測工具。人工巡檢不僅效率低，而且容易受到人為因素的影響，錯(cuò)過潛在的硬盤故障信號(hào)。定期維護(hù)則往往是在硬盤發(fā)生故障之前的一段時(shí)間內(nèi)，無法對(duì)故障進(jìn)行實(shí)時(shí)預(yù)警和早期識(shí)別。此外，一些硬盤健康檢測工具雖然能監(jiān)測硬盤的溫度、讀寫速度等參數(shù)，但由于缺乏智能分析和遠(yuǎn)程診斷功能，其作用相對(duì)有限，無法全面、準(zhǔn)確地評(píng)估硬盤的健康狀況。尤其是在大規(guī)模存儲(chǔ)環(huán)境中，傳統(tǒng)方法無法滿足對(duì)數(shù)百甚至數(shù)千塊硬盤同時(shí)監(jiān)控和診斷的需求，故障發(fā)生時(shí)往往只能依賴人工現(xiàn)場檢測，導(dǎo)致恢復(fù)時(shí)間長、成本高。因此，亟需一種基于物聯(lián)網(wǎng)的智能診斷系統(tǒng)，以實(shí)現(xiàn)硬盤故障的實(shí)時(shí)監(jiān)控、早期預(yù)警和遠(yuǎn)程診斷。發(fā)明內(nèi)容[0004]針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于物聯(lián)網(wǎng)的存儲(chǔ)硬盤遠(yuǎn)程診斷系統(tǒng)及[0005]為實(shí)現(xiàn)以上目的，本發(fā)明通過以下技術(shù)方案予以實(shí)現(xiàn)：一種基于物聯(lián)網(wǎng)的存儲(chǔ)硬塊；所述數(shù)據(jù)融合模塊用于通過物聯(lián)網(wǎng)設(shè)備實(shí)時(shí)采集存儲(chǔ)硬盤的SMART參數(shù)、IO操作時(shí)序數(shù)據(jù)及環(huán)境溫濕度數(shù)據(jù)，通過注意力機(jī)制動(dòng)態(tài)分配多源數(shù)據(jù)權(quán)重，提取硬盤健康狀態(tài)特征向量，用于表征硬盤物理損耗與邏輯異常的耦合關(guān)系；所述因果分析模塊用于根據(jù)硬盤健康狀態(tài)特征向量，通過多尺度時(shí)序卷積網(wǎng)絡(luò)提取SMART參數(shù)與IO延遲的長期依賴模式，識(shí)別周期性異常波動(dòng)，同時(shí)構(gòu)建貝葉斯因果網(wǎng)絡(luò)量化環(huán)境溫濕度對(duì)固件錯(cuò)誤率的貢獻(xiàn)度，生成故障根因分析報(bào)告；所述風(fēng)險(xiǎn)分析模塊用于基于故障根因分析報(bào)告，通過聯(lián)邦增量學(xué)習(xí)框架匹配歷史故障案例庫，計(jì)算硬盤故障風(fēng)險(xiǎn)指數(shù)，用于預(yù)測剩余壽命并生成分級(jí)預(yù)警信號(hào)；所述圖譜構(gòu)建模塊用于根據(jù)故障風(fēng)險(xiǎn)指數(shù)，協(xié)調(diào)存儲(chǔ)陣列的資源隔離與數(shù)據(jù)遷移策略，同時(shí)基于強(qiáng)化學(xué)習(xí)優(yōu)化響應(yīng)路徑，生成可視化運(yùn)維圖譜，用于展示故障定位、風(fēng)險(xiǎn)鏈路及修復(fù)優(yōu)5先級(jí)。[0006]進(jìn)一步地，通過物聯(lián)網(wǎng)設(shè)備實(shí)時(shí)采集存儲(chǔ)硬盤的SMART參數(shù)、IO操作時(shí)序數(shù)據(jù)及環(huán)境溫濕度數(shù)據(jù)的具體過程如下：通過硬盤控制器接口讀取SMART參數(shù)，包括重映射扇區(qū)數(shù)、讀寫錯(cuò)誤率及介質(zhì)磨損指標(biāo)；通過操作系統(tǒng)內(nèi)核模塊捕獲IO操作時(shí)序數(shù)據(jù)，記錄讀寫延遲、隊(duì)列深度及完成狀態(tài)；通過機(jī)柜溫濕度傳感器采集環(huán)操作時(shí)序數(shù)據(jù)及環(huán)境溫濕度數(shù)據(jù)歸一化，轉(zhuǎn)換為標(biāo)準(zhǔn)格式并封裝加密后上傳至云端。[0007]進(jìn)一步地，通過注意力機(jī)制動(dòng)態(tài)分配多源數(shù)據(jù)權(quán)重，提取硬盤健康狀態(tài)特征向量的具體過程如下：將采集的SMART參數(shù)映射為查詢向量，用于表征硬盤內(nèi)部狀態(tài)；將I0操作時(shí)序數(shù)據(jù)映射為鍵向量，反映硬盤性能波動(dòng)特征；將環(huán)境溫濕度數(shù)據(jù)映射為值向量，用于表征外部環(huán)境影響；通過動(dòng)態(tài)權(quán)重分配機(jī)制，計(jì)算注意力權(quán)重，加權(quán)融合生成硬盤健康狀態(tài)特征向量，用于綜合表征硬盤物理損耗與邏輯異常的耦合關(guān)系。[0008]進(jìn)一步地，通過多尺度時(shí)序卷積網(wǎng)絡(luò)提取SMART參數(shù)與IO延遲的長期依賴模式，識(shí)別周期性異常波動(dòng)的具體過程如下：設(shè)計(jì)膨脹率的卷積核，分別捕捉小時(shí)級(jí)、半日級(jí)、日級(jí)周期模式，識(shí)別長期依賴關(guān)系；輸入硬盤健康狀態(tài)特征向量，執(zhí)行多尺度時(shí)序卷積計(jì)算，通過殘差連接融合各尺度特征，輸出時(shí)序依賴特征，檢測周期性異常。[0009]進(jìn)一步地，構(gòu)建貝葉斯因果網(wǎng)絡(luò)量化環(huán)境溫濕度對(duì)固件錯(cuò)誤率的貢獻(xiàn)度，生成故障根因分析報(bào)告的具體過程如下：將環(huán)境溫濕度數(shù)據(jù)作為外生變量，固件錯(cuò)誤事件作為目標(biāo)節(jié)點(diǎn)；根據(jù)時(shí)序依賴特征，結(jié)合環(huán)境溫濕度數(shù)據(jù)與固件錯(cuò)誤事件的聯(lián)合分布，構(gòu)建貝葉斯因果網(wǎng)絡(luò)；量化環(huán)境溫濕度對(duì)固件錯(cuò)誤率的貢獻(xiàn)度權(quán)重，生成故障根因分析報(bào)告，明確標(biāo)注主次誘因及貢獻(xiàn)度占比。[0010]進(jìn)一步地，基于故障根因分析報(bào)告，通過聯(lián)邦增量學(xué)習(xí)框架匹配歷史故障案例庫的具體過程如下：將故障根因分析報(bào)告作為輸入，匹配歷史案例庫中相似故障模式；通過聯(lián)邦學(xué)習(xí)框架動(dòng)態(tài)調(diào)整云端預(yù)訓(xùn)練故障預(yù)測模型參數(shù)，強(qiáng)化高貢獻(xiàn)度誘因的樣本權(quán)重，結(jié)合硬盤健康狀態(tài)特征向量，優(yōu)化故障預(yù)測模型對(duì)新型硬盤協(xié)議的泛化能力。[0011]進(jìn)一步地，計(jì)算硬盤故障風(fēng)險(xiǎn)指數(shù)的具體過程如下：輸入健康狀態(tài)特征向量至故障預(yù)測模型，輸出故障概率；結(jié)合根因貢獻(xiàn)度權(quán)重，動(dòng)態(tài)加權(quán)計(jì)算硬盤故障風(fēng)險(xiǎn)指數(shù)；按預(yù)設(shè)閾值劃分風(fēng)險(xiǎn)等級(jí)，觸發(fā)分級(jí)預(yù)警信號(hào)。[0012]進(jìn)一步地，生成可視化運(yùn)維圖譜的具體過程如下：定義圖譜節(jié)點(diǎn)為硬盤設(shè)備、環(huán)境因素、故障類型，邊為因果關(guān)系及風(fēng)險(xiǎn)傳播鏈路；根據(jù)強(qiáng)化學(xué)習(xí)優(yōu)化響應(yīng)策略，標(biāo)注最短修[0013]一種基于物聯(lián)網(wǎng)的存儲(chǔ)硬盤遠(yuǎn)程診斷方法，包括以下步驟：S1.通過物聯(lián)網(wǎng)設(shè)備實(shí)時(shí)采集存儲(chǔ)硬盤的SMART參數(shù)、IO操作時(shí)序數(shù)據(jù)及環(huán)配多源數(shù)據(jù)權(quán)重，提取硬盤健康狀態(tài)特征向量，用于表征硬盤物理損耗與邏輯異常的耦合關(guān)系；S2.根據(jù)硬盤健康狀態(tài)特征向量，通過多尺度時(shí)序卷積網(wǎng)絡(luò)提取SMART參數(shù)與IO延遲的長期依賴模式，識(shí)別周期性異常波動(dòng)，同時(shí)構(gòu)建貝葉斯因果網(wǎng)絡(luò)量化環(huán)境溫濕度對(duì)固件錯(cuò)誤率的貢獻(xiàn)度，生成故障根因分析報(bào)告；S3.基于故障根因分析報(bào)告，通過聯(lián)邦增量學(xué)習(xí)框架匹配歷史故障案例庫，計(jì)算硬盤故障風(fēng)險(xiǎn)指數(shù)，用于預(yù)測剩余壽命并生成分級(jí)預(yù)警信號(hào)；S4.根據(jù)故障風(fēng)險(xiǎn)指數(shù)，協(xié)調(diào)存儲(chǔ)陣列的資源隔離與數(shù)據(jù)遷移策略，同時(shí)基于強(qiáng)化學(xué)習(xí)6[0014]本發(fā)明具有以下有益效果：(1)一種基于物聯(lián)網(wǎng)的存儲(chǔ)硬盤遠(yuǎn)程診斷系統(tǒng)，通過多模態(tài)數(shù)據(jù)融合與動(dòng)態(tài)權(quán)重分配技術(shù)，實(shí)現(xiàn)SMART參數(shù)、IO時(shí)序數(shù)據(jù)及環(huán)境溫濕度的自適應(yīng)融合，突破傳統(tǒng)單維度監(jiān)測的局限性，顯著提升異常檢測的全面性與準(zhǔn)確性。結(jié)合多尺度時(shí)序分析與貝葉斯因果推理，精準(zhǔn)識(shí)別硬盤周期性故障模式及環(huán)境誘因的貢獻(xiàn)權(quán)重，從被動(dòng)響應(yīng)升級(jí)為預(yù)測性維護(hù)，有效降低突發(fā)故障風(fēng)險(xiǎn)，優(yōu)化運(yùn)維效率。[0015](2)一種基于物聯(lián)網(wǎng)的存儲(chǔ)硬盤遠(yuǎn)程診斷方法，基于動(dòng)態(tài)遷移學(xué)習(xí)框架實(shí)現(xiàn)跨協(xié)議硬盤的冷啟動(dòng)適配，解決新型設(shè)備與歷史數(shù)據(jù)特征不匹配的問題，同時(shí)保障數(shù)據(jù)隱私與模型泛化能力。通過強(qiáng)化學(xué)習(xí)驅(qū)動(dòng)的智能決策與可視化運(yùn)維圖譜，實(shí)時(shí)優(yōu)化故障響應(yīng)路徑，降低人工干預(yù)成本，確保復(fù)雜存儲(chǔ)環(huán)境中業(yè)務(wù)連續(xù)性與數(shù)據(jù)安全性。[0016]當(dāng)然，實(shí)施本發(fā)明的任一產(chǎn)品并不一定需要同時(shí)達(dá)到以上所述的所有優(yōu)點(diǎn)。附圖說明[0017]圖1為本發(fā)明一種基于物聯(lián)網(wǎng)的存儲(chǔ)硬盤遠(yuǎn)程診斷系統(tǒng)流程圖。[0018]圖2為本發(fā)明一種基于物聯(lián)網(wǎng)的存儲(chǔ)硬盤遠(yuǎn)程診斷方法流程圖。具體實(shí)施方式[0019]本申請實(shí)施例通過一種基于物聯(lián)網(wǎng)的存儲(chǔ)硬盤遠(yuǎn)程診斷系統(tǒng)及方法，通過多模態(tài)數(shù)據(jù)融合、貝葉斯因果網(wǎng)絡(luò)與聯(lián)邦增量學(xué)習(xí)，解決了存儲(chǔ)硬盤遠(yuǎn)程診斷中多源數(shù)據(jù)割裂、故障根因模糊、跨協(xié)議適配性差及響應(yīng)效率低的問題，實(shí)現(xiàn)了從數(shù)據(jù)感知到智能決策的閉環(huán)運(yùn)維體系。通過物聯(lián)網(wǎng)設(shè)備實(shí)時(shí)采集存儲(chǔ)硬盤的SMART參數(shù)、IO操作時(shí)序數(shù)據(jù)及環(huán)境溫濕度數(shù)據(jù)，通過注意力機(jī)制動(dòng)態(tài)分配多源數(shù)據(jù)權(quán)重，提取硬盤健康狀態(tài)特征向量，用于表征硬盤物理損耗與邏輯異常的耦合關(guān)系。[0021]根據(jù)硬盤健康狀態(tài)特征向量，通過多尺度時(shí)序卷積網(wǎng)絡(luò)提取SMART參數(shù)與IO延遲的長期依賴模式，識(shí)別周期性異常波動(dòng)，同時(shí)構(gòu)建貝葉斯因果網(wǎng)絡(luò)量化環(huán)境溫濕度對(duì)固件錯(cuò)誤率的貢獻(xiàn)度，生成故障根因分析報(bào)告。[0022]基于故障根因分析報(bào)告，通過聯(lián)邦增量學(xué)習(xí)框架匹配歷史故障案例庫，計(jì)算硬盤故障風(fēng)險(xiǎn)指數(shù)，用于預(yù)測剩余壽命并生成分級(jí)預(yù)警信號(hào)。[0023]根據(jù)故障風(fēng)險(xiǎn)指數(shù)，協(xié)調(diào)存儲(chǔ)陣列的資源隔離與數(shù)據(jù)遷移策略，同時(shí)基于強(qiáng)化學(xué)[0024]請參閱圖1,圖2,本發(fā)明實(shí)施例提供一種技術(shù)方案：一種基于物聯(lián)網(wǎng)的存儲(chǔ)硬盤遠(yuǎn)程診斷系統(tǒng)，包括以下模塊：數(shù)據(jù)融合模塊、因果分析模塊、風(fēng)險(xiǎn)分析模塊、所述數(shù)據(jù)融合模塊用于通過物聯(lián)網(wǎng)設(shè)備實(shí)時(shí)采集存儲(chǔ)硬盤的SMART參數(shù)、IO操作時(shí)序數(shù)據(jù)及環(huán)境溫濕度數(shù)據(jù)，通過注意力機(jī)制動(dòng)態(tài)分配多源數(shù)據(jù)權(quán)重，提取硬盤健康狀態(tài)特征向量，用于表征硬盤物理損耗與邏輯異常的耦合關(guān)系；所述因果分析模塊用于根據(jù)硬盤健康狀態(tài)特征向量，通過多尺度時(shí)序卷積網(wǎng)絡(luò)提取SMART參數(shù)與IO延遲的長期依賴模式，識(shí)別周期性異常波動(dòng)，同時(shí)構(gòu)建貝葉斯因果網(wǎng)絡(luò)量化環(huán)境溫濕度對(duì)固件錯(cuò)誤率的貢獻(xiàn)度，生成故障根7因分析報(bào)告；所述風(fēng)險(xiǎn)分析模塊用于基于故障根因分析報(bào)告，通過聯(lián)邦增量學(xué)習(xí)框架匹配歷史故障案例庫，計(jì)算硬盤故障風(fēng)險(xiǎn)指數(shù)，用于預(yù)測剩余壽命并生成分級(jí)預(yù)警信號(hào)；所述圖譜構(gòu)建模塊用于根據(jù)故障風(fēng)險(xiǎn)指數(shù)，協(xié)調(diào)存儲(chǔ)陣列的資源隔離與數(shù)據(jù)遷移策略，同時(shí)基于強(qiáng)化學(xué)習(xí)優(yōu)化響應(yīng)路徑，生成可視化運(yùn)維圖譜，用于展示故障定位、風(fēng)險(xiǎn)鏈路及修復(fù)優(yōu)先[0025]本實(shí)施方案中，數(shù)據(jù)融合模塊，該模塊的主要功能是通過物聯(lián)網(wǎng)設(shè)備實(shí)時(shí)采集硬間等性能數(shù)據(jù))以及環(huán)境溫濕度數(shù)據(jù)(環(huán)境對(duì)硬盤性能的影響)。采集的多種數(shù)據(jù)會(huì)通過注意力機(jī)制進(jìn)行處理，自動(dòng)根據(jù)不同數(shù)據(jù)源的重要性分配權(quán)重。這一過程生成一個(gè)硬盤健康狀態(tài)特征向量，能夠同時(shí)反映硬盤的物理損耗與邏輯異常，從而提供對(duì)硬盤整體狀態(tài)的全面評(píng)估。因果分析模塊，在這一模塊中，系統(tǒng)將通過分析硬盤健康狀態(tài)特征向量，利用多尺度時(shí)序卷積網(wǎng)絡(luò)(MS-TCN)提取SMART參數(shù)與I0延遲之間的長期依賴模式，識(shí)別硬盤在不同時(shí)間段的周期性異常波動(dòng)。此外，該模塊還構(gòu)建了貝葉斯因果網(wǎng)絡(luò)(BCN),它能夠量化環(huán)境溫濕度對(duì)硬盤故障(如固件錯(cuò)誤率)的具體影響。通過這些分析，模塊能夠生成一份故障根因分析報(bào)告，為后續(xù)的故障診斷和預(yù)防提供依據(jù)。風(fēng)險(xiǎn)分析模塊，基于故障根因分析報(bào)告，系統(tǒng)將使用聯(lián)邦增量學(xué)習(xí)框架，從歷史故障案例庫中匹配相似的故障案例，動(dòng)態(tài)調(diào)整預(yù)訓(xùn)練模型的參數(shù)。這一模塊的核心作用是計(jì)算硬盤的故障風(fēng)險(xiǎn)指數(shù)，即基于歷史數(shù)據(jù)和當(dāng)前健康狀態(tài)預(yù)測硬盤的剩余使用壽命?；诖酥笖?shù)，系統(tǒng)會(huì)生成分級(jí)的預(yù)警信號(hào)，確保及時(shí)發(fā)現(xiàn)潛在故障，避免硬盤崩潰或數(shù)據(jù)丟失。圖譜構(gòu)建模塊，當(dāng)故障風(fēng)險(xiǎn)指數(shù)被計(jì)算出來后，安全決策模塊會(huì)根據(jù)預(yù)警信號(hào)采取相應(yīng)的資源隔離和數(shù)據(jù)遷移策略，確保存儲(chǔ)陣列中的數(shù)據(jù)不會(huì)因?yàn)閱蝹€(gè)硬盤故障而受到影響。同時(shí)，基于強(qiáng)化學(xué)習(xí)，該模塊會(huì)優(yōu)化故障響應(yīng)路徑，并生成一個(gè)可視化運(yùn)維圖譜。這個(gè)圖譜清晰地展示了故障定位、風(fēng)險(xiǎn)鏈路和修復(fù)的優(yōu)先級(jí)，幫助運(yùn)維人員做出快速而有效的決策，以降低維護(hù)成本和縮短修復(fù)時(shí)間。[0026]具體地，通過物聯(lián)網(wǎng)設(shè)備實(shí)時(shí)采集存儲(chǔ)硬盤的SM溫濕度數(shù)據(jù)的具體過程如下：通過硬盤控制器接口讀取SMART參數(shù)，包括重映射扇區(qū)數(shù)、讀寫錯(cuò)誤率及介質(zhì)磨損指標(biāo)；通過操作系統(tǒng)內(nèi)核模塊捕獲IO操作時(shí)序數(shù)據(jù)，記錄讀寫延遲、隊(duì)作時(shí)序數(shù)據(jù)及環(huán)境溫濕度數(shù)據(jù)歸一化，轉(zhuǎn)換為標(biāo)準(zhǔn)格式并封裝加密后上傳至云端。[0027]本實(shí)施方案中，SMART參數(shù)，重映射扇區(qū)數(shù)：當(dāng)硬盤檢測到某個(gè)扇區(qū)(存儲(chǔ)區(qū)塊)損壞時(shí)，硬盤會(huì)將數(shù)據(jù)重定向到一個(gè)備用扇區(qū)。重映射扇區(qū)數(shù)表示硬盤已發(fā)生故障并進(jìn)行了替換的扇區(qū)數(shù)量。這個(gè)參數(shù)能反映硬盤的物理損壞程度。讀寫錯(cuò)誤率：表示硬盤在讀寫過程中發(fā)生的錯(cuò)誤次數(shù)。較高的錯(cuò)誤率通常表明硬盤出現(xiàn)故障，可能影響存儲(chǔ)的數(shù)據(jù)可靠性。介質(zhì)磨損指標(biāo)：對(duì)于固態(tài)硬盤(SSD),此指標(biāo)表示存儲(chǔ)介質(zhì)的磨損程度。硬盤在長時(shí)間的讀寫行數(shù)據(jù)讀取或?qū)懭氩僮鲿r(shí)，從請求發(fā)起到數(shù)據(jù)完成的時(shí)間差。較高的延遲通常表明硬盤的性能下降，可能由于硬盤負(fù)載過高或硬件問題。隊(duì)列深度：指示系統(tǒng)當(dāng)前有多少IO操作待處理。隊(duì)列深度過高可能表示硬盤或系統(tǒng)負(fù)載過重，可能導(dǎo)致延遲增大。完成狀態(tài)：記錄每個(gè)IO操作是否成功完成。如果IO操作未成功，可能意味著硬盤存在潛在故障。環(huán)境溫濕度數(shù)據(jù)：溫度：硬盤的運(yùn)行溫度直接影響其性能和壽命。過高的溫度可能導(dǎo)致硬盤元件損壞或加8(如健康指標(biāo)、錯(cuò)誤率等)來計(jì)算各個(gè)數(shù)據(jù)源對(duì)硬盤健康的貢獻(xiàn)度。公式表示為：的可能性以及硬盤健康的外部影響因素。公式表示為：V=f(環(huán)境溫濕度數(shù)據(jù));f意力權(quán)重(AttentionWeight)環(huán)境溫度數(shù)據(jù))對(duì)硬盤健康狀態(tài)的影響，計(jì)算得到的注意力權(quán)重會(huì)根據(jù)每個(gè)數(shù)據(jù)源的重要脹卷積(DilatedConvolution):膨脹卷積是一種擴(kuò)展卷積核接收感受野的技術(shù)，可以在卷積操作中跳過部分輸入數(shù)據(jù)，從而捕捉更長的時(shí)序依賴。公式表示為：9延遲數(shù)據(jù))在時(shí)間步t的值。W(t):卷積核在時(shí)間步t對(duì)應(yīng)的權(quán)重，第k層卷積的卷積核。量量作為輸入，通過多個(gè)卷積層(每個(gè)卷積層有不同的膨脹率)來處理。公式表示為：Houtput=Conva(Hinput,Wk,dilation_rate);其中：Hinput:輸入的硬盤健康狀態(tài)特征向量量(之前計(jì)算的硬盤健康狀態(tài)特征向量H)。W:卷積核權(quán)重(k表示卷積層的標(biāo)號(hào))。dilation_rate:膨脹率，控制感受野的大小。通過殘差連接融合各尺度特征殘差連接經(jīng)過殘差連接的輸出特征。周期性異常檢測：通過輸出的時(shí)序依賴特征，網(wǎng)絡(luò)能夠識(shí)別次誘因及貢獻(xiàn)度占比。環(huán)境溫濕度與固件錯(cuò)誤率的因果關(guān)系：我們通過聯(lián)合分布建模環(huán)境溫濕度數(shù)據(jù)(E)與固件件錯(cuò)誤事件f的聯(lián)合概率分布。P(e)和P(f):分別是環(huán)境溫濕度數(shù)據(jù)和固件錯(cuò)誤事件的邊相似故障模式，聯(lián)邦學(xué)習(xí)框架會(huì)調(diào)整云端故障預(yù)測模型的參數(shù)，以增強(qiáng)模型對(duì)當(dāng)前故障類型的預(yù)測能力。調(diào)整過程：各設(shè)備(或節(jié)點(diǎn))將其本地計(jì)算得到的更新(例如梯度、權(quán)重更新)上傳到云端。云端接收并整合這些參數(shù)更新，然后對(duì)模型進(jìn)行全局更新。通過多次迭代，云端能夠優(yōu)化故障預(yù)測模型，使其能夠適應(yīng)更多的故障模式。強(qiáng)化高貢獻(xiàn)度誘因的樣本權(quán)重：在故障根因分析報(bào)告中，通過貝葉斯因果網(wǎng)絡(luò)已經(jīng)確定了哪些因素對(duì)硬盤故障的貢獻(xiàn)最大。例如，某些環(huán)境變量(如溫濕度)可能在某些故障情境中起著主導(dǎo)作用。強(qiáng)化高貢獻(xiàn)度誘因的樣本權(quán)重：為了增強(qiáng)模型對(duì)高貢獻(xiàn)度因素的敏感性，可以通過提高這些因素的權(quán)重來優(yōu)化模型的訓(xùn)練過程。這意味著，在模型訓(xùn)練時(shí)，高貢獻(xiàn)度的因素將對(duì)最終結(jié)果產(chǎn)生更大的影響，使得故障預(yù)測更加準(zhǔn)確。計(jì)算樣本權(quán)重：可以根據(jù)根因分析報(bào)告中的貢獻(xiàn)度對(duì)各樣本進(jìn)行加權(quán)，通常使用基于貢獻(xiàn)度的權(quán)重調(diào)整策略，將高貢獻(xiàn)度的因素在訓(xùn)練過程中給與更高的優(yōu)先級(jí)。結(jié)合硬盤健康狀態(tài)特征向量，優(yōu)化故障預(yù)測模型對(duì)新型硬盤協(xié)議的泛化能力：硬盤健康狀態(tài)特征向量：硬盤健康狀態(tài)特征向量包含了硬盤的健康狀態(tài)信息(如SMART參數(shù)、IO操作、環(huán)境數(shù)據(jù)等),它是故障預(yù)測模型的輸入數(shù)據(jù)。通過將這些特征向量與歷史案例相結(jié)合，模型能夠更加準(zhǔn)確地識(shí)別硬盤的潛在故障風(fēng)險(xiǎn)。優(yōu)化泛化能力：隨著硬盤技術(shù)的不斷發(fā)展，出現(xiàn)了新的硬盤協(xié)議和類型。為了保證故障預(yù)測模型能適應(yīng)新型硬盤協(xié)議，需要增強(qiáng)模型的泛化能力，即使得模型能夠有效預(yù)測不同類型硬盤的故障情況。通過聯(lián)邦增量學(xué)習(xí)優(yōu)化泛化能力：模型通過結(jié)合來自多個(gè)設(shè)備(即不同硬盤協(xié)議和設(shè)備類型)的數(shù)據(jù)來進(jìn)行訓(xùn)練。每次設(shè)備的本地訓(xùn)練和參數(shù)更新都會(huì)讓模型更加通用，進(jìn)而增強(qiáng)其對(duì)新硬盤協(xié)議的適應(yīng)能力。[0036]具體地，計(jì)算硬盤故障風(fēng)險(xiǎn)指數(shù)的具體過程如下：輸入健康狀態(tài)特征向量至故障預(yù)測模型，輸出故障概率；結(jié)合根因貢獻(xiàn)度權(quán)重，動(dòng)態(tài)加權(quán)計(jì)算硬盤故障風(fēng)險(xiǎn)指數(shù)；按預(yù)設(shè)閾值劃分風(fēng)險(xiǎn)等級(jí)，觸發(fā)分級(jí)預(yù)警信號(hào)。[0037]本實(shí)施方案中，輸入健康狀態(tài)特征向量至故障預(yù)測模型，輸出故障概率：硬盤健康狀態(tài)特征向量：該向量包含了硬盤的多維度健康數(shù)據(jù)，如SMART參數(shù)、IO操作時(shí)序數(shù)溫濕度數(shù)據(jù)等。它被用作故障預(yù)測模型的輸入。故障預(yù)測模型：使用一個(gè)訓(xùn)練好的機(jī)器學(xué)習(xí)或深度學(xué)習(xí)模型，通常是回歸模型或分類模型，該模型已經(jīng)學(xué)習(xí)到從健康狀態(tài)特征向量中推斷硬盤故障的能力。輸出故障概率：模型通過輸入健康狀態(tài)特征向量，預(yù)測硬盤發(fā)生故障的概率，即故障發(fā)生的可能性。硬盤故障風(fēng)險(xiǎn)指數(shù)的公式表示：Rdisk=Za=1Wa·σ(∑6=1αab·Pfai?,b)+β·f(X,θ);參數(shù)解釋：Rd因素的根因貢獻(xiàn)度權(quán)重，表示各個(gè)因素對(duì)風(fēng)險(xiǎn)指數(shù)的影響程度。σ():激活函數(shù)，通常為Sigmoid,用于非線性轉(zhuǎn)化，確保輸出在0和1之間，模擬故障概率的激烈波動(dòng)。公式為：M:第a個(gè)因素內(nèi)的子特征數(shù)量，考慮了細(xì)化的特征如不同時(shí)間尺度、不同屬性等。αab:第a個(gè)因素下第b個(gè)子特征的權(quán)重系數(shù)，用于量化每個(gè)子特征對(duì)故障概率的貢獻(xiàn)。Pfai?,b:第a個(gè)因素下第b個(gè)子特征的故障概率或預(yù)測值。β:全局調(diào)整因子，用于整體調(diào)整健康狀態(tài)特征對(duì)故障風(fēng)險(xiǎn)的影響。f(X,θ):硬盤健康狀態(tài)特征函數(shù)，基于輸入的健康狀態(tài)特征向量X和預(yù)設(shè)參數(shù)θ,是深度神經(jīng)網(wǎng)絡(luò)用于從硬盤的狀態(tài)中提取更高層次的風(fēng)險(xiǎn)特征函數(shù)。系統(tǒng)通過分析歷史數(shù)據(jù)和硬盤故障模式，確定多個(gè)故障風(fēng)險(xiǎn)指數(shù)的閾值。根據(jù)風(fēng)險(xiǎn)指數(shù)值，系統(tǒng)會(huì)將硬盤的故障風(fēng)險(xiǎn)劃分為不同的等級(jí)，低風(fēng)險(xiǎn)、中風(fēng)險(xiǎn)和高風(fēng)險(xiǎn)。分級(jí)預(yù)警信號(hào)：根據(jù)計(jì)算出的風(fēng)險(xiǎn)指數(shù)，系統(tǒng)將觸發(fā)相應(yīng)的預(yù)警信號(hào)。例如，如果風(fēng)險(xiǎn)指數(shù)高于某一閾值，則觸發(fā)高風(fēng)險(xiǎn)警報(bào)，提醒管理員需要優(yōu)先進(jìn)行維護(hù)。[0038]具體地，生成可視化運(yùn)維圖譜的具體過程如下：定義圖譜節(jié)點(diǎn)為硬盤設(shè)備、環(huán)境因素、故障類型，邊為因果關(guān)系及風(fēng)險(xiǎn)傳播鏈路；根據(jù)強(qiáng)化學(xué)習(xí)優(yōu)化響應(yīng)策略，標(biāo)注最短修復(fù)[0039]本實(shí)施方案中，定義圖譜節(jié)點(diǎn)：硬盤設(shè)備：圖譜的核心節(jié)點(diǎn)之一，表示每個(gè)硬盤設(shè)素：包括硬盤運(yùn)行環(huán)境的參數(shù)(如溫濕度、振動(dòng)等),這些環(huán)境因素與硬盤故障或性能下降之間可能存在因果關(guān)系。故障類型：表示硬盤可能出現(xiàn)的各種故障類型，如硬盤物理損壞、固如，環(huán)境因素可能會(huì)影響硬盤設(shè)備的健康狀態(tài)，硬盤設(shè)備的故障類型可能會(huì)影響其他設(shè)備的運(yùn)行狀態(tài)。通過這些邊，可以分析硬盤故障的潛在誘因。風(fēng)險(xiǎn)傳播鏈路：圖譜的邊還代表著風(fēng)險(xiǎn)如何從一個(gè)節(jié)點(diǎn)傳播到另一個(gè)節(jié)點(diǎn)。例如，硬盤故障可能引發(fā)連鎖反應(yīng)，影響其他設(shè)備或系統(tǒng)，風(fēng)險(xiǎn)傳播鏈路可幫助識(shí)別潛在的故障傳播路徑。強(qiáng)化學(xué)習(xí)優(yōu)化響應(yīng)策略：強(qiáng)化學(xué)習(xí)(RL)被用于優(yōu)化應(yīng)對(duì)故障的響應(yīng)策略。通過強(qiáng)化學(xué)習(xí)模型，可以動(dòng)態(tài)地調(diào)整操作策略，基于實(shí)時(shí)監(jiān)控?cái)?shù)據(jù)和歷史故障案例，優(yōu)化系統(tǒng)的維護(hù)和修復(fù)行為。獎(jiǎng)勵(lì)函數(shù)：系統(tǒng)根據(jù)修復(fù)效率、故障影響的減少、修復(fù)時(shí)間等指標(biāo)來評(píng)價(jià)響應(yīng)策略的優(yōu)劣，強(qiáng)化學(xué)習(xí)通過不斷探索和利用反饋，選擇最優(yōu)的故障響應(yīng)措施。標(biāo)注最短修復(fù)路徑：通過圖譜中的節(jié)點(diǎn)和邊，系統(tǒng)可以計(jì)算出從當(dāng)前故障狀態(tài)到修復(fù)完成的最短路徑。這條路徑通常會(huì)考慮各個(gè)修復(fù)步驟之間的因果關(guān)系和優(yōu)先級(jí)。修復(fù)路徑的標(biāo)注：每個(gè)修復(fù)步驟按其優(yōu)先級(jí)和重要性被標(biāo)記，并且可能結(jié)合故障的嚴(yán)重性、對(duì)系統(tǒng)的影響等因素，優(yōu)化修復(fù)順序。動(dòng)態(tài)渲染圖譜：圖譜的渲染過程根據(jù)實(shí)時(shí)的數(shù)據(jù)流和系統(tǒng)狀態(tài)動(dòng)態(tài)更新。例如，在硬盤設(shè)備發(fā)生故障時(shí)，圖譜會(huì)實(shí)時(shí)顯示其健康狀態(tài)、修復(fù)路徑及影響范圍。動(dòng)態(tài)渲染：利用數(shù)據(jù)可視化技術(shù)(如等),使得運(yùn)維人員能夠直觀地查看故障信息和系統(tǒng)運(yùn)行狀況。實(shí)時(shí)展示故障定位、風(fēng)險(xiǎn)鏈路及修復(fù)優(yōu)先級(jí)：圖譜通過可視化形式展示故障的具體位置和影響范圍，幫助運(yùn)維人員快速定位問題。同時(shí)，風(fēng)險(xiǎn)鏈路的展示能夠直觀地呈現(xiàn)故障的傳播路徑，提醒運(yùn)維人員關(guān)注潛在的風(fēng)險(xiǎn)擴(kuò)散。修復(fù)優(yōu)先級(jí)的標(biāo)注會(huì)基于實(shí)時(shí)數(shù)據(jù)，動(dòng)態(tài)調(diào)整，確保最緊急的故障能夠優(yōu)先得到修復(fù)。[0040]一種基于物聯(lián)網(wǎng)的存儲(chǔ)硬盤遠(yuǎn)程診斷方法，包括以下步驟：S1.通過物聯(lián)網(wǎng)設(shè)備實(shí)時(shí)采集存儲(chǔ)硬盤的SMART參數(shù)、IO操作時(shí)序數(shù)據(jù)及環(huán)配多源數(shù)據(jù)權(quán)重，提取硬盤健康狀態(tài)特征向量，用于表征硬盤物理損耗與邏輯異常的耦合關(guān)系；S2.根據(jù)硬盤健康狀態(tài)特征向量，通過多尺度時(shí)序卷積網(wǎng)絡(luò)提取SMART參數(shù)與IO延遲的長期依賴模式，識(shí)別周期性異常波動(dòng)，同時(shí)構(gòu)建貝葉斯因果網(wǎng)絡(luò)量化環(huán)境溫濕度對(duì)固件錯(cuò)誤率的貢獻(xiàn)度，生成故障根因分析報(bào)告；S3.基于故障根因分析報(bào)告，通過聯(lián)邦增量學(xué)習(xí)框架匹配歷史故障案例庫，計(jì)算硬盤故障風(fēng)險(xiǎn)指數(shù)，用于預(yù)測剩余壽命并生成分級(jí)預(yù)警信號(hào)；S4.根據(jù)故障風(fēng)險(xiǎn)指數(shù)，協(xié)調(diào)存儲(chǔ)陣列的資源隔離與數(shù)據(jù)遷移策略，同時(shí)基于強(qiáng)化學(xué)習(xí)作數(shù)據(jù)、環(huán)境溫濕度數(shù)據(jù)),并通過注意力機(jī)制動(dòng)態(tài)調(diào)整不同數(shù)據(jù)源的權(quán)重，生成硬盤健康狀態(tài)特征向量。該特征向量綜合反映硬盤的物理損耗與邏輯異常。S2:利用多尺度時(shí)序卷積網(wǎng)絡(luò)分析硬盤健康狀態(tài)特征向量，從而提取SMART參數(shù)和IO延遲的性異常波動(dòng)。同時(shí)，構(gòu)建貝葉斯因果網(wǎng)絡(luò)，分析環(huán)境因素(如溫濕度)對(duì)固件錯(cuò)誤率的影響，生成故障根因分析報(bào)告。S3:基于故障根因分析報(bào)告，使用聯(lián)邦增量學(xué)習(xí)框架匹配歷史故障的故障風(fēng)險(xiǎn)指數(shù)，調(diào)整存儲(chǔ)陣列的資源隔離和數(shù)據(jù)遷移策略，并通過強(qiáng)化學(xué)習(xí)優(yōu)化響應(yīng)路快速響應(yīng)故障。一種基于物聯(lián)網(wǎng)的存儲(chǔ)硬盤遠(yuǎn)程診斷系統(tǒng)及方法，通過物聯(lián)網(wǎng)設(shè)備實(shí)時(shí)采集硬盤的SMART參數(shù)、IO操作時(shí)序數(shù)據(jù)及環(huán)境溫濕度數(shù)據(jù)，并結(jié)合注意力機(jī)制和多尺度卷積網(wǎng)絡(luò)，能夠精準(zhǔn)提取硬盤的健康狀態(tài)特征，識(shí)別硬盤物理損耗與邏輯異常的耦合關(guān)系。利用多尺度時(shí)序卷積網(wǎng)絡(luò)提取SMART參數(shù)與I0延遲的長期依賴模式，可以識(shí)別周期性異常波動(dòng)，為故障預(yù)警和維護(hù)提供有力依據(jù)。通過貝葉斯因果網(wǎng)絡(luò)分析環(huán)境溫濕度對(duì)固件錯(cuò)誤率的影響，量化環(huán)境因素在硬盤故障中的作用，生成故障根因分析報(bào)告，為故障預(yù)防提供指導(dǎo)。通過聯(lián)邦增量學(xué)習(xí)框架匹配歷史故障案例庫，計(jì)算硬盤故障風(fēng)險(xiǎn)指數(shù)，實(shí)現(xiàn)故障預(yù)測、剩余壽命估算以及分級(jí)預(yù)警，提高故障預(yù)測的準(zhǔn)確性與響應(yīng)效率?；诠收巷L(fēng)險(xiǎn)指數(shù)，智能協(xié)調(diào)存