В настоящее время программно-определяемые системы хранения данных призваны грамотно распределять имеющиеся ресурсы. На пути данного развития встала проблема детектирования и прогнозирования выхода из строя жестких дисков. В данной работе предлагает одно из возможных решений данной проблемы. Прогнозируемый отказ привода является хорошо изученной областью как в академических кругах, так и в промышленности, благодаря высокому потенциальному возврату инвестиций, обеспечиваемому точной моделью. Большинство используемых в настоящее время систем оповещения являются реагирующими по своей природе, не могут привести к значительной экономии. Одной из основных проблем при проведении прогнозного анализа является низкая доля неисправных накопителей (2% для большинства моделей накопителей). Это сложная задача в двух аспектах: во-первых, вероятностная модель имеет только несколько положительных примеров, и не все из них представляют аномальное количество атрибутов ошибок, например, разные диски могут выйти из строя по разным причинам. Во-вторых, низкое количество неисправных накопителей делает ценность ложных срабатываний чрезвычайно высокой, что требует очень точных результатов от реализованной модели.

Currently, software-defined storage systems are designed to intelligently allocate available resources. On the way of this development, the problem of detecting and predicting the failure of hard drives has arisen. This paper offers one of the possible solutions to this problem. Projected drive failure is a well-studied field in both academia and industry, thanks to the high potential return on investment provided by an accurate model. Most of the currently used warning systems are responsive in nature and cannot lead to significant savings. One of the main problems in conducting a predictive analysis is the low proportion of faulty drives (2% for most models of drives). This is a difficult task in two aspects: first, the probabilistic model has only a few positive examples, and not all of them represent an anomalous number of error attributes, for example, different disks can fail for various reasons. Secondly, the low number of faulty drives makes the value of false positives extremely high, which requires very accurate results from the implemented model.