基于COG-OS框架利用SMART预测云计算平台的硬盘故障

• 作者: 周琦 宋云华 柏文阳
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: COG-OS框架 自我监测分析和报告技术 K-均值 少量样本合成过采样技术 LIBSVM 支持向量机
• 年，卷（期）: 2014,（1）
• 所属期刊栏目: 先进计算
• 页码范围: 31-35,188
• 页数: 6页
• 分类号: TP306.3|TP309.1
• 字数: 4619字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2014.01.0031

摘要

针对云计算平台的硬盘不可靠问题,提出基于带过采样的COG(COG-OS)框架,利用硬盘自我监测分析和报告技术(SMART)日志预测故障硬盘.首先采用DBScan或K-means聚类算法将无故障硬盘样本划分成多个不相交子集;再与故障硬盘样本结合,采用少量样本合成过采样技术(SMOTE)使整体样本集趋于平衡;最后采用LIBSVM分类算法预测故障硬盘.调整参数,将COG-OS与SMOTE+支持向量机(SVM)的预测性能相比较,实验结果表明该方法具有可行性.当采用K-means方法划分无故障盘样本,并采用径向基函数(RBF)内核的LIBSVM方法预测故障盘时,COG-OS改善了SMOTE+ SVM对故障硬盘的预测查全率和整体性能.