基于朴素贝叶斯机器学习模型预测存储设备性能方法系统技术方案

本发明专利技术提供一种基于朴素贝叶斯机器学习模型预测存储设备性能方法系统，包括如下步骤：S1.创建存储设备测试环境，设置存储设备处于不同配置，并收集不同配置对应的IOPS性能值，生成测试数据集合；S2.构造配置信息及IOPS性能值的数据样本特征空间向量，根据数据样本特征空间向量搭建朴素贝叶斯算法模型，并设置数据样本输入输出接口；S3.通过测试数据集合对朴素贝叶斯算法模型反复进行训练及测试，直至朴素贝叶斯算法模型的准确率达到预期，生成朴素贝叶斯机器学习模型；S4.输入存储设备的配置，通过朴素贝叶斯机器学习模型对输入的存储设备模型对应的IOPS性能进行预测。

【技术实现步骤摘要】
基于朴素贝叶斯机器学习模型预测存储设备性能方法系统
本专利技术属于计算机存储设备
，具体涉及一种基于朴素贝叶斯机器学习模型预测存储设备性能方法系统。
技术介绍
随着科学计算和各种网络应用的快速发展，人类产生的信息量越来越多，这使的数据的存储越来越被人们所关注，从而使得存储部件在整个计算机体系中所处的地位越来越重要，存储已经由单一的磁盘、磁带转向磁盘阵列，进而发展到当前流行的存储网络。大规模的数据应用需求不断涌现，海量数据及其应用也成为一个新的发展方向，数据存储已经对人们的工作和生活产生了巨大的影响，而其中对于使用的存储设备的各项性能提高也自然越来越需要关注。单台存储设备的性能高低在硬件配置不做更改的前提下，对于不同的管理软件层面配置，得到的输入输出性能高低差异很大，如何判断配置存储设备在固定的硬件环境条件性能高低，是客户使用存储设备重点关注的问题，也是存储设备在性能测试时要达到的目标。存储设备要关注性能指标主要为IOPS，不同的配置方案在硬件不变条件下，不同配置的条件参数都会影响存储设备性能的高低，实际使用或测试时为了确定本文档来自技高网...

【技术保护点】
1.一种基于朴素贝叶斯机器学习模型预测存储设备性能方法，其特征在于，包括如下步骤：/nS1.创建存储设备测试环境，设置存储设备处于不同配置，并收集不同配置对应的IOPS性能值，生成测试数据集合；/nS2.构造配置信息及IOPS性能值的数据样本特征空间向量，根据数据样本特征空间向量搭建朴素贝叶斯算法模型，并设置数据样本输入输出接口；/nS3.自动通过测试数据集合对朴素贝叶斯算法模型反复进行训练及测试，直至朴素贝叶斯算法模型的准确率达到预期，生成朴素贝叶斯机器学习模型；/nS4.输入存储设备的配置，通过朴素贝叶斯机器学习模型对输入的存储设备模型对应的IOPS性能进行预测。/n

【技术特征摘要】
1.一种基于朴素贝叶斯机器学习模型预测存储设备性能方法，其特征在于，包括如下步骤：
S1.创建存储设备测试环境，设置存储设备处于不同配置，并收集不同配置对应的IOPS性能值，生成测试数据集合；
S2.构造配置信息及IOPS性能值的数据样本特征空间向量，根据数据样本特征空间向量搭建朴素贝叶斯算法模型，并设置数据样本输入输出接口；
S3.自动通过测试数据集合对朴素贝叶斯算法模型反复进行训练及测试，直至朴素贝叶斯算法模型的准确率达到预期，生成朴素贝叶斯机器学习模型；
S4.输入存储设备的配置，通过朴素贝叶斯机器学习模型对输入的存储设备模型对应的IOPS性能进行预测。


2.如权利要求1所述的基于朴素贝叶斯机器学习模型预测存储设备性能方法，其特征在于，步骤S1具体步骤如下：
S11.创建存储设备测试环境；
S12.设置存储设备处于不同配置，并收集不同配置对应的IOPS性能值，设置不同IOPS性能值对应IOPS性能级别，生成测试数据集合；所述存储设备的配置包括RAID级别参数、RAID磁盘数量参数、存储的输出链路数量参数、每个RAID创建LUN数量参数以及测试性能的并发数参数；所述IOPS性能级别包括性能级别差、性能级别合格以及性能级别优；
S13.将测试数据集合分成第一测试数据集合和第二测试数据集合。


3.如权利要求2所述的基于朴素贝叶斯机器学习模型预测存储设备性能方法，其特征在于，步骤S2具体步骤如下：
S21.构造存储设备各配置参数对应的数据样本特征空间向量；
S22.构造存储设备IOPS性能级别对应的数据样本特征空间向量；
S23.根据存储设备各配置参数及IOPS性能级别对应的数据样本特征空间向量搭建朴素贝叶斯算法模型；
S24.设置数据样本输入接口为存储设备各配置参数，设置数据样本输出接口为存储设备IOPS性能级别。


4.如权利要求3所述的基于朴素贝叶斯机器学习模型预测存储设备性能方法，其特征在于，步骤S3具体步骤如下：
S31.自动通过第一测试数据集合对朴素贝叶斯算法模型进行训练；
S32.自动通过第二测试数据集合对经过训练的朴素贝叶斯算法模型进行测试；
S33.判断朴素贝叶斯算法模型的准确率是否达到预期；
若否，返回步骤S31；
若是，设定经过训练的朴素贝叶斯算法模型为朴素贝叶斯机器学习模型。


5.如权利要求4所述的基于朴素贝叶斯机器学习模型预测存储设备性能方法，其特征在于，步骤S4具体步骤如下：
S41.获取存储设备的设定配置对应配置参数；
S42.将获取的存储设备设定配置参数输入到朴素贝叶斯机器学习模型；
S43.通过朴素贝叶斯机器学习模型对存储设备处于各IOPS性能级别的概率分别进行预测，输出各IOPS性能级别的预测概率。


6.一种基于朴素贝叶斯机器学习模型预测存储设备性能系统，其特征在于，包括：
测试环境创建模块(1)，用于创建存储设备测试环境，设置存储设备处于不同配置，并收集不同配置对应的IOPS性能值，生成测试数据集合；
朴素贝叶斯算法模型搭建模块(2)，用于构造配置信息及IOPS性能...

【专利技术属性】
技术研发人员：李闯，李玲侠，
申请(专利权)人：苏州浪潮智能科技有限公司，
类型：发明
国别省市：江苏;32