确定应用的存储负载的方法和设备技术

提供一种确定应用的存储负载的方法和设备，所述方法包括：获取应用在预定时间段内产生的存储负载的统计数据；将统计数据输入到预先训练好的机器学习模型，通过预先训练好的机器学习模型确定所述存储负载在预定时间段内的读/写请求跟踪数据，其中，统计数据是指应用在预定时间段内产生的所有读/写请求的全局统计信息，读/写请求跟踪数据是指应用在预定时间段内产生的每个读/写请求的请求描述信息。根据所述方法和设备，可以在保证应用的性能且不占用较多资源的情况下，最大程度地重现用于分析存储负载的时/空分布特征，为更加深入地研究存储负载提供依据。

Methods and devices for determining the storage load of an application

【技术实现步骤摘要】
确定应用的存储负载的方法和设备
本专利技术总体来说涉及存储负载的优化领域，更具体地讲，涉及一种确定应用的存储负载的方法和设备。
技术介绍
物联网的快速发展，给其应用的存储负载带来了极大的挑战。例如，如果应用的存储负载过大，会导致应用的性能的大幅度下降，例如，时间延迟、数据丢失等。及时获悉应用的历史存储负载情况，有利于对下一时间段的存储负载进行预测和调整，保证应用的稳定。目前，可利用实时获取的存储负载的读/写请求跟踪数据或者统计数据分析存储负载的情况，但是，上述两种方法分别具有以下弊端：虽然读/写请求跟踪数据记录有每一条读/写请求的描述信息，能够全面地分析存储负载的时/空分布特征，可以作为分析应用的存储负载的依据，但是，每一条读/写请求的描述信息是通过解析接收的存储负载的读/写请求，记录并存储解析后的数据而得来的，这个过程需要占用较多的资源，影响了应用处理其他业务的性能。另一方面，虽然统计数据较易获取，对应用性能的影响不大，但是统计数据仅能宏观地体现存储负载在预定时间段内产生的所有读/写请求的统计情况，无法得到存储负载在预定时间段内产生的本文档来自技高网...

【技术保护点】
1.一种确定应用的存储负载的方法，包括：/n获取应用在预定时间段内产生的存储负载的统计数据；/n将所述统计数据输入到预先训练好的机器学习模型，通过预先训练好的机器学习模型确定所述存储负载在预定时间段内的读/写请求跟踪数据，/n其中，所述统计数据是指应用在预定时间段内产生的所有读/写请求的全局统计信息，所述读/写请求跟踪数据是指应用在预定时间段内产生的每个读/写请求的请求描述信息。/n

【技术特征摘要】
1.一种确定应用的存储负载的方法，包括：
获取应用在预定时间段内产生的存储负载的统计数据；
将所述统计数据输入到预先训练好的机器学习模型，通过预先训练好的机器学习模型确定所述存储负载在预定时间段内的读/写请求跟踪数据，
其中，所述统计数据是指应用在预定时间段内产生的所有读/写请求的全局统计信息，所述读/写请求跟踪数据是指应用在预定时间段内产生的每个读/写请求的请求描述信息。


2.如权利要求1所述的方法，其中，全局统计信息是指对所有读/写请求解析获得的描述数据进行统计处理得到的统计特征值，任一读/写请求的请求描述信息是指对所述任一读/写请求解析获得的描述数据。


3.如权利要求1所述的方法，其中，通过以下方式训练机器学习模型：
获取应用在至少一个业务处理周期内产生的存储负载的历史统计数据和历史读/写请求跟踪数据，其中，获取的历史统计数据和历史读/写请求跟踪数据在时间顺序上保持对应，所述业务处理周期是指应用处理一个预定时间单位产生的读/写请求花费的时间；
利用获取的历史统计数据和历史读/写请求跟踪数据训练机器学习模型。


4.如权利要求3所述的方法，其中，利用获取的历史统计数据和历史读/写请求跟踪数据训练机器学习模型的步骤包括：
将获取的历史统计数据输入机器学习模型，确定机器学习模型输出的读/写请求跟踪数据与对应于输入的历史统计数据的历史读/写请求跟踪数据之间的相似度；
比较所述相似度与预定阈值的大小；
当所述相似度小于预定阈值时，基于所述相似度调整机器学习模型的超参数或者权重；
当所述相似度大于或者等于预定阈值时，将当前的机器学习模型作为训练好的机器学习模型。


5.如权利要求1所述的方法，其中，所述统计数据包括以下项中的至少一项：
在预定时间段内产生的读请求的数量、在预定时间段内产生的写请求的数量、在预定时间段内产生的读请求和写请求的总数量、在预定时间段内产生的读/写请求的数量各占读请求和写请求的总数量的比例、在预定时间段内产生的读/写请求所请求的总存储容量、在预定时间段内产生的读/写请求所请求的存储容量的分布...

【专利技术属性】
技术研发人员：夏巍，
申请(专利权)人：三星中国半导体有限公司，三星电子株式会社，
类型：发明
国别省市：陕西;61