固态硬盘的寿命预测方法、装置、设备及可读存储介质
阅读说明：本技术 固态硬盘的寿命预测方法、装置、设备及可读存储介质 (Service life prediction method, device and equipment of solid state disk and readable storage medium ) 是由 曹琪 于 2019-09-20 设计创作，主要内容包括：本发明公开了一种固态硬盘的寿命预测方法,该方法包括以下步骤：获取按预设时间间隔采集的待测固态硬盘的smart指标值；根据各smart指标值计算预定义的时间序列预测ARIMA模型的各相关参数；将各相关参数代入时间序列预测ARIMA模型,得到目标时间序列预测ARIMA模型；利用目标时间序列预测ARIMA模型对待测固态硬盘进行寿命预测。应用本发明实施例所提供的技术方案,较大地提升了固态硬盘寿命估计值的准确性,提高了固态硬盘中预存数据的安全性。本发明还公开了一种固态硬盘的寿命预测装置、设备及存储介质,具有相应技术效果。(The invention discloses a service life prediction method of a solid state disk, which comprises the following steps: acquiring smart index values of the solid state disk to be detected, which are acquired according to a preset time interval; calculating each relevant parameter of a predefined time sequence prediction ARIMA model according to each smart index value; substituting each relevant parameter into the time sequence prediction ARIMA model to obtain a target time sequence prediction ARIMA model; and predicting the service life of the solid state disk to be tested by using the target time sequence prediction ARIMA model. By applying the technical scheme provided by the embodiment of the invention, the accuracy of the service life estimation value of the solid state disk is greatly improved, and the safety of the data prestored in the solid state disk is improved. The invention also discloses a service life prediction device, equipment and a storage medium of the solid state disk, and the service life prediction device, the equipment and the storage medium have corresponding technical effects.)
技术领域
本发明涉及存储技术领域，特别是涉及一种固态硬盘的寿命预测方法、装置、设备及计算机可读存储介质。
背景技术
基于闪存的固态硬盘(SSD)自问世以来就因其高性能而得到广泛追捧，与机械硬盘(HDD)相比，固态硬盘的优势表现在：1)启动快；2)读写速度快；3)随机读取延迟小；4)防震抗摔性好，无噪音；5)功耗低，发热低；等等。因此固态硬盘无疑是机械硬盘的高性能替代方案。并且伴随着闪存价格的下降和技术的改进，固态硬盘迎来更广阔的市场和发展前景。数据中心中的服务器越来越倾向于使用基于闪存的固态硬盘作为硬盘驱动器的高性能替代方案。同时，固态硬盘的使用寿命也是业界普遍关注的问题。
通常来讲，固态硬盘的使用寿命仅为几年，固态硬盘的损坏是渐进性的，其性能和出错率与固态硬盘的年纪有关，越接近寿命尽头(End-of-Life)，固态硬盘的性能越差，出错率越高。固态硬盘故障将会可能导致数据中心服务器停机甚至数据丢失。固态硬盘的擦写次数有限，数据丢失后很难恢复。为了保证数据的准确性与安全性，需要对固态硬盘在其寿命终结前进行替换。
固态硬盘的S.M.A.R.T.(Self-Monitoring Analysis and ReportingTechnology，自我监测、分析及报告技术)技术中提供剩余寿命百分比参数，即参数ID226Timed Workload Media Wear定时工作负载介质磨损所表达的磨损比值。但是剩余寿命百分比是一个客观的值，与用户固态硬盘的使用行为是隔离的。天数表达的剩余寿命更加直观，同时还能建立起用户与固态硬盘的关联。当前固态硬盘厂商提供的固态硬盘剩余寿命计算方法都是基于一段时间的磨损变化，使用公式求平均值的方法。这种方法简单粗暴，得到的固态硬盘寿命估计值准确性差，固态硬盘中预存数据的安全性低。
综上所述，如何有效地解决固态硬盘寿命估计值准确性差，固态硬盘中预存数据的安全性低等问题，是目前本领域技术人员急需解决的问题。
发明内容
本发明的目的是提供一种固态硬盘的寿命预测方法，该方法较大地提升了固态硬盘寿命估计值的准确性，提高了固态硬盘中预存数据的安全性；本发明的另一目的是提供一种固态硬盘的寿命预测装置、设备及计算机可读存储介质。
为解决上述技术问题，本发明提供如下技术方案：
一种固态硬盘的寿命预测方法，包括：
获取按预设时间间隔采集的待测固态硬盘的smart指标值；
根据各所述smart指标值计算预定义的时间序列预测ARIMA模型的各相关参数；
将各所述相关参数代入所述时间序列预测ARIMA模型，得到目标时间序列预测ARIMA模型；
利用所述目标时间序列预测ARIMA模型对所述待测固态硬盘进行寿命预测。
在本发明的一种
具体实施方式
中，根据各所述smart指标值计算预定义的时间序列预测ARIMA模型的各相关参数，包括：
对各所述smart指标值进行差分计算，得到差分结果序列；
判断所述差分结果序列是否满足预设平稳性要求；
若否，则对所述差分结果序列进行差分计算，直至满足所述预设平稳性要求，并将满足所述预设平稳性要求的当前差分阶数确定为所述时间序列预测ARIMA模型的差分阶数。
在本发明的一种具体实施方式中，根据各所述smart指标值计算预定义的时间序列预测ARIMA模型的各相关参数，包括：
计算预设阶数中各阶差分结果序列分别对应的自相关系数和偏自相关系数；
基于各所述自相关系数构建自相关系数曲线图，并基于各所述偏自相关系数构建偏自相关系数曲线图；
将所述自相关系数曲线图的拖尾和所述偏自相关系数曲线图的截尾对应的同一阶数确定为所述时间序列预测ARIMA模型的自回归模型阶数；
将所述自相关系数曲线图的截尾和所述偏自相关系数曲线图的拖尾对应的同一阶数确定为所述时间序列预测ARIMA模型的移动平均模型阶数。
在本发明的一种具体实施方式中，在得到目标时间序列预测ARIMA模型之后，利用所述目标时间序列预测ARIMA模型对所述待测固态硬盘进行寿命预测之前，还包括：
利用所述目标时间序列预测ARIMA模型预测所述待测固态硬盘在后续预设时长内，各所述预设时间间隔分别对应的估计smart指标值；
获取所述预设时长内各所述预设时间间隔分别对应的实际smart指标值；
分别计算各所述时间间隔的估计smart指标值与实际smart指标值的残差，得到由各所述残差构成的残差序列；
构建所述残差序列的自相关系数曲线图；
当根据所述残差序列的自相关系数曲线图确定各所述残差序列满足随机性时，判定所述目标时间序列预测ARIMA模型合格，并执行所述利用所述目标时间序列预测ARIMA模型对所述待测固态硬盘进行寿命预测的步骤。
一种固态硬盘的寿命预测装置，包括：
指标值获取模块，用于获取按预设时间间隔采集的待测固态硬盘的smart指标值；
参数计算模块，用于根据各所述smart指标值计算预定义的时间序列预测ARIMA模型的各相关参数；
模型获得模块，用于将各所述相关参数代入所述时间序列预测ARIMA模型，得到目标时间序列预测ARIMA模型；
寿命预测模块，用于利用所述目标时间序列预测ARIMA模型对所述待测固态硬盘进行寿命预测。
在本发明的一种具体实施方式中，所述参数计算模块包括：
差分计算子模块，用于对各所述smart指标值进行差分计算，得到差分结果序列；
判断子模块，用于判断所述差分结果序列是否满足预设平稳性要求；
差分阶数确定子模块，用于在确定所述差分结果序列不满足预设平稳性要求时，对所述差分结果序列进行差分计算，直至满足所述预设平稳性要求，并将满足所述预设平稳性要求的当前差分阶数确定为所述时间序列预测ARIMA模型的差分阶数。
在本发明的一种具体实施方式中，所述参数计算模块包括：
系数计算子模块，用于计算预设阶数中各阶差分结果序列分别对应的自相关系数和偏自相关系数；
曲线图构建子模块，用于基于各所述自相关系数构建自相关系数曲线图，并基于各所述偏自相关系数构建偏自相关系数曲线图；
自回归模型阶数确定子模块，用于将所述自相关系数曲线图的拖尾和所述偏自相关系数曲线图的截尾对应的同一阶数确定为所述时间序列预测ARIMA模型的自回归模型阶数；
移动平均模型阶数确定子模块，用于将所述自相关系数曲线图的截尾和所述偏自相关系数曲线图的拖尾对应的同一阶数确定为所述时间序列预测ARIMA模型的移动平均模型阶数。
在本发明的一种具体实施方式中，还包括：
指标值估计模块，用于在得到目标时间序列预测ARIMA模型之后，利用所述目标时间序列预测ARIMA模型对所述待测固态硬盘进行寿命预测之前，利用所述目标时间序列预测ARIMA模型预测所述待测固态硬盘在后续预设时长内，各所述预设时间间隔分别对应的估计smart指标值；
实际指标值获取模块，用于获取所述预设时长内各所述预设时间间隔分别对应的实际smart指标值；
残差序列获得模块，用于分别计算各所述时间间隔的估计smart指标值与实际smart指标值的残差，得到由各所述残差构成的残差序列；
曲线图构建模块，用于构建所述残差序列的自相关系数曲线图；
模型合格判定模块，用于当根据所述残差序列的自相关系数曲线图确定各所述残差序列满足随机性时，判定所述目标时间序列预测ARIMA模型合格，并执行所述利用所述目标时间序列预测ARIMA模型对所述待测固态硬盘进行寿命预测的步骤。
一种固态硬盘的寿命预测设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如前所述固态硬盘的寿命预测方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如前所述固态硬盘的寿命预测方法的步骤。
应用本发明实施例所提供的方法，获取按预设时间间隔采集的待测固态硬盘的smart指标值；根据各smart指标值计算预定义的时间序列预测ARIMA模型的各相关参数；将各相关参数代入时间序列预测ARIMA模型，得到目标时间序列预测ARIMA模型；利用目标时间序列预测ARIMA模型对待测固态硬盘进行寿命预测。通过预定义时间序列预测ARIMA模型，并根据按照预设时间间隔采集到的待测固态硬盘的smart指标值计算时间序列预测ARIMA模型的相关参数，利用代入相关参数得到的目标时间序列预测ARIMA模型对待测固态硬盘进行寿命预测，目标时间序列预测ARIMA模型建立在对待测固态硬盘的smart指标值统计的基础上，总结待测固态硬盘磨损度的变化规律进行预测，较大地提升了固态硬盘寿命估计值的准确性，提高了固态硬盘中预存数据的安全性。
相应的，本发明实施例还提供了与上述固态硬盘的寿命预测方法相对应的固态硬盘的寿命预测装置、设备和计算机可读存储介质，具有上述技术效果，在此不再赘述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例中固态硬盘的寿命预测方法的一种实施流程图；
图2为本发明实施例中固态硬盘的寿命预测方法的另一种实施流程图；
图3为本发明实施例中一种固态硬盘的寿命预测装置的结构框图；
图4为本发明实施例中一种固态硬盘的寿命预测设备的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一：
参见图1，图1为本发明实施例中固态硬盘的寿命预测方法的一种实施流程图，该方法可以包括以下步骤：
S101：获取按预设时间间隔采集的待测固态硬盘的smart指标值。
可以预先设置对待测固态硬盘进行smart指标值(即当前磨损度)采集的时间间隔，从而按照预设时间间隔采集待测固态硬盘的smart指标值。当需要对待测固态硬盘进行寿命预测时，可以获取按预设时间间隔采集的待测固态硬盘的smart指标值，如可以获取累计记录100天的待测固态硬盘的smart指标值。具体的，可以创建csv文件用于保存待测固态硬盘的smart指标值(即磨损度时间序列)，每日固定时间使用smartctl工具中的smartcl–a命令获得待测固态硬盘的smart指标值，并将当日时间戳和对应的smart指标值作为一行添加到csv文件中。
需要说明的是，时间间隔可以根据实际情况进行设定和调整，本发明实施例对此不做限定，如可以是以天为时间间隔。
S102：根据各smart指标值计算预定义的时间序列预测ARIMA模型的各相关参数。
可以预先定义得到时间序列预测ARIMA模型，在获取到按预设时间间隔采集的待测固态硬盘的smart指标值之后，可以根据各smart指标值计算预定义的时间序列预测ARIMA模型的各相关参数。
S103：将各相关参数代入时间序列预测ARIMA模型，得到目标时间序列预测ARIMA模型。
在计算得到预定义的时间序列预测ARIMA模型的各相关参数之后，可以将各相关参数代入时间序列预测ARIMA模型，得到目标时间序列预测ARIMA模型。
S104：利用目标时间序列预测ARIMA模型对待测固态硬盘进行寿命预测。
在通过将计算得到的相关参数代入预定义的时间序列预测ARIMA模型，得到目标时间序列预测ARIMA模型之后，可以利用目标时间序列预测ARIMA模型对待测固态硬盘进行寿命预测，从而直观准确地得到待测固态硬盘剩余时间，能够根据待测固态硬盘的剩余时间及时对其存储的数据进行转存处理，保证数据的安全性。
应用本发明实施例所提供的方法，获取按预设时间间隔采集的待测固态硬盘的smart指标值；根据各smart指标值计算预定义的时间序列预测ARIMA模型的各相关参数；将各相关参数代入时间序列预测ARIMA模型，得到目标时间序列预测ARIMA模型；利用目标时间序列预测ARIMA模型对待测固态硬盘进行寿命预测。通过预定义时间序列预测ARIMA模型，并根据按照预设时间间隔采集到的待测固态硬盘的smart指标值计算时间序列预测ARIMA模型的相关参数，利用代入相关参数得到的目标时间序列预测ARIMA模型对待测固态硬盘进行寿命预测，目标时间序列预测ARIMA模型建立在对待测固态硬盘的smart指标值统计的基础上，总结待测固态硬盘磨损度的变化规律进行预测，较大地提升了固态硬盘寿命估计值的准确性，提高了固态硬盘中预存数据的安全性。
需要说明的是，基于上述实施例一，本发明实施例还提供了相应的改进方案。在后续实施例中涉及与上述实施例一中相同步骤或相应步骤之间可相互参考，相应的有益效果也可相互参照，在下文的改进实施例中不再一一赘述。
实施例二：
参见图2，图2为本发明实施例中固态硬盘的寿命预测方法的另一种实施流程图，该方法可以包括以下步骤：
S201：获取按预设时间间隔采集的待测固态硬盘的smart指标值。
S202：对各smart指标值进行差分计算，得到差分结果序列。
在获取到按预设时间间隔采集的待测固态硬盘的smart指标值之后，可以对各smart指标值进行差分计算，得到差分结果序列。即smart指标值是随时间递增的，不满足模型数据平稳性的要求，差分计算的含义为时间序列后一项值减去前一项值，生成新的序列，即为差分结果序列。
S203：判断差分结果序列是否满足预设平稳性要求，若是，则确定时间序列预测ARIMA模型的差分阶数为一阶，若否，则继续执行步骤S204。
在通过对各smart指标值进行差分计算，得到差分结果序列之后，可以判断差分结果序列是否满足预设平稳性要求，若是，则说明在对各smart指标值进行一次差分之后，得到的差分结果序列中的数值已趋于平稳，在这种情况下，可以确定时间序列预测ARIMA模型的差分阶数为一阶。若否，则说明得到的差分结果序列中的数值的起伏还相对较大，在这种情况下，可以继续执行步骤S204。
S204：对差分结果序列进行差分计算，直至满足预设平稳性要求，并将满足预设平稳性要求的当前差分阶数确定为时间序列预测ARIMA模型的差分阶数。
在确定得到的差分结果序列不满足预设平稳性要求之后，可以对差分结果序列进行差分计算，即作二阶差分。二阶差分的定义为在一阶差分的基础上再做一次差分。以此类推，直至满足预设平稳性要求，并将满足预设平稳性要求的当前差分阶数确定为时间序列预测ARIMA模型的差分阶数。
S205：计算预设阶数中各阶差分结果序列分别对应的自相关系数和偏自相关系数。
大多数情况下需要作多次差分，才可得到趋于平稳的差分结果序列，可以预选出一定阶数的差分结果序列，如可以预先设定选1至40阶的差分结果序列，并计算预设阶数中各阶差分结果序列分别对应的自相关系数和偏自相关系数。
S206：基于各自相关系数构建自相关系数曲线图，并基于各偏自相关系数构建偏自相关系数曲线图。
在得到各阶差分结果序列分别对应的自相关系数和偏自相关系数之后，可以基于各自相关系数构建自相关系数曲线图，并基于各偏自相关系数构建偏自相关系数曲线图。
S207：将自相关系数曲线图的拖尾和偏自相关系数曲线图的截尾对应的同一阶数确定为时间序列预测ARIMA模型的自回归模型阶数。
在由各阶差分结果序列分别对应的自相关系数构建得到自相关系数曲线图，并由各阶差分结果序列分别对应的偏自相关系数构建得到偏自相关系数曲线图之后，可以查找自相关系数曲线图的拖尾和偏自相关系数曲线图的截尾对应的同一阶数，并将自相关系数曲线图的拖尾和偏自相关系数曲线图的截尾对应的同一阶数确定为时间序列预测ARIMA模型的自回归模型阶数。
S208：将自相关系数曲线图的截尾和偏自相关系数曲线图的拖尾对应的同一阶数确定为时间序列预测ARIMA模型的移动平均模型阶数。
在由各阶差分结果序列分别对应的自相关系数构建得到自相关系数曲线图，并由各阶差分结果序列分别对应的偏自相关系数构建得到偏自相关系数曲线图之后，可以查找自相关系数曲线图的截尾和偏自相关系数曲线图的拖尾对应的同一阶数，并将自相关系数曲线图的截尾和偏自相关系数曲线图的拖尾对应的同一阶数确定为时间序列预测ARIMA模型的移动平均模型阶数。
S209：将各相关参数代入时间序列预测ARIMA模型，得到目标时间序列预测ARIMA模型。
在得到时间序列预测ARIMA模型的差分阶数、时间序列预测ARIMA模型的自回归模型阶数、以及时间序列预测ARIMA模型的移动平均模型阶数之后，可以将时间序列预测ARIMA模型的差分阶数、时间序列预测ARIMA模型的自回归模型阶数、以及时间序列预测ARIMA模型的移动平均模型阶数等相关参数代入时间序列预测ARIMA模型，得到目标时间序列预测ARIMA模型。
S210：利用目标时间序列预测ARIMA模型预测待测固态硬盘在后续预设时长内，各预设时间间隔分别对应的估计smart指标值。
在得到目标时间序列预测ARIMA模型之后，可以利用目标时间序列预测ARIMA模型预测待测固态硬盘在后续预设时长内，各预设时间间隔分别对应的估计smart指标值。
需要说明的是，预设时长可以根据实际情况进行设定和调整，本发明实施例对此不做限定。
S211：获取预设时长内各预设时间间隔分别对应的实际smart指标值。
可以获取该预设时长内各预设时间间隔分别对应的实际smart指标值。
S212：分别计算各时间间隔的估计smart指标值与实际smart指标值的残差，得到由各残差构成的残差序列。
在得到该预设时长内各预设时间间隔分别对应的估计smart指标值，并获取到该预设时长内各预设时间间隔分别对应的实际smart指标值之后，可以分别一一对应计算各时间间隔的估计smart指标值与实际smart指标值的残差，得到由各残差构成的残差序列。
S213：构建残差序列的自相关系数曲线图。
在得到由各残差构成的残差序列之后，构建残差序列的自相关系数曲线图。
S214：当根据残差序列的自相关系数曲线图确定各残差序列满足随机性时，判定目标时间序列预测ARIMA模型合格。
在构建得到残差序列的自相关系数曲线图之后，若根据残差序列的自相关系数曲线图确定各残差序列满足随机性，则判定目标时间序列预测ARIMA模型合格。通过对模型进行合格性检验，进一步提高固态硬盘寿命估计值的准确性。
S215：利用目标时间序列预测ARIMA模型对待测固态硬盘进行寿命预测。
相应于上面的方法实施例，本发明实施例还提供了一种固态硬盘的寿命预测装置，下文描述的固态硬盘的寿命预测装置与上文描述的固态硬盘的寿命预测方法可相互对应参照。
参见图3，图3为本发明实施例中一种固态硬盘的寿命预测装置的结构框图，该装置可以包括：
指标值获取模块31，用于获取按预设时间间隔采集的待测固态硬盘的smart指标值；
参数计算模块32，用于根据各smart指标值计算预定义的时间序列预测ARIMA模型的各相关参数；
模型获得模块33，用于将各相关参数代入时间序列预测ARIMA模型，得到目标时间序列预测ARIMA模型；
寿命预测模块34，用于利用目标时间序列预测ARIMA模型对待测固态硬盘进行寿命预测。
应用本发明实施例所提供的装置，获取按预设时间间隔采集的待测固态硬盘的smart指标值；根据各smart指标值计算预定义的时间序列预测ARIMA模型的各相关参数；将各相关参数代入时间序列预测ARIMA模型，得到目标时间序列预测ARIMA模型；利用目标时间序列预测ARIMA模型对待测固态硬盘进行寿命预测。通过预定义时间序列预测ARIMA模型，并根据按照预设时间间隔采集到的待测固态硬盘的smart指标值计算时间序列预测ARIMA模型的相关参数，利用代入相关参数得到的目标时间序列预测ARIMA模型对待测固态硬盘进行寿命预测，目标时间序列预测ARIMA模型建立在对待测固态硬盘的smart指标值统计的基础上，总结待测固态硬盘磨损度的变化规律进行预测，较大地提升了固态硬盘寿命估计值的准确性，提高了固态硬盘中预存数据的安全性。
在本发明的一种具体实施方式中，参数计算模块32包括：
差分计算子模块，用于对各smart指标值进行差分计算，得到差分结果序列；
判断子模块，用于判断差分结果序列是否满足预设平稳性要求；
差分阶数确定子模块，用于在确定差分结果序列不满足预设平稳性要求时，对差分结果序列进行差分计算，直至满足预设平稳性要求，并将满足预设平稳性要求的当前差分阶数确定为时间序列预测ARIMA模型的差分阶数。
在本发明的一种具体实施方式中，参数计算模块32包括：
系数计算子模块，用于计算预设阶数中各阶差分结果序列分别对应的自相关系数和偏自相关系数；
曲线图构建子模块，用于基于各自相关系数构建自相关系数曲线图，并基于各偏自相关系数构建偏自相关系数曲线图；
自回归模型阶数确定子模块，用于将自相关系数曲线图的拖尾和偏自相关系数曲线图的截尾对应的同一阶数确定为时间序列预测ARIMA模型的自回归模型阶数；
移动平均模型阶数确定子模块，用于将自相关系数曲线图的截尾和偏自相关系数曲线图的拖尾对应的同一阶数确定为时间序列预测ARIMA模型的移动平均模型阶数。
在本发明的一种具体实施方式中，还包括：
指标值估计模块，用于在得到目标时间序列预测ARIMA模型之后，利用目标时间序列预测ARIMA模型对待测固态硬盘进行寿命预测之前，利用目标时间序列预测ARIMA模型预测待测固态硬盘在后续预设时长内，各预设时间间隔分别对应的估计smart指标值；
实际指标值获取模块，用于获取预设时长内各预设时间间隔分别对应的实际smart指标值；
残差序列获得模块，用于分别计算各时间间隔的估计smart指标值与实际smart指标值的残差，得到由各残差构成的残差序列；
曲线图构建模块，用于构建残差序列的自相关系数曲线图；
模型合格判定模块，用于当根据残差序列的自相关系数曲线图确定各残差序列满足随机性时，判定目标时间序列预测ARIMA模型合格，并执行利用目标时间序列预测ARIMA模型对待测固态硬盘进行寿命预测的步骤。
相应于上面的方法实施例，参见图4，图4为本发明所提供的固态硬盘的寿命预测设备的示意图，该设备可以包括：
存储器41，用于存储计算机程序；
处理器42，用于执行上述存储器41存储的计算机程序时可实现如下步骤：
获取按预设时间间隔采集的待测固态硬盘的smart指标值；根据各smart指标值计算预定义的时间序列预测ARIMA模型的各相关参数；将各相关参数代入时间序列预测ARIMA模型，得到目标时间序列预测ARIMA模型；利用目标时间序列预测ARIMA模型对待测固态硬盘进行寿命预测。
对于本发明提供的设备的介绍请参照上述方法实施例，本发明在此不做赘述。
相应于上面的方法实施例，本发明还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时可实现如下步骤：
获取按预设时间间隔采集的待测固态硬盘的smart指标值；根据各smart指标值计算预定义的时间序列预测ARIMA模型的各相关参数；将各相关参数代入时间序列预测ARIMA模型，得到目标时间序列预测ARIMA模型；利用目标时间序列预测ARIMA模型对待测固态硬盘进行寿命预测。
该计算机可读存储介质可以包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
对于本发明提供的计算机可读存储介质的介绍请参照上述方法实施例，本发明在此不做赘述。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置、设备及计算机可读存储介质而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的技术方案及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。