当前位置: 首页 > 专利查询>鹏城实验室专利>正文

固态硬盘资源分配方法、装置和存储介质制造方法及图纸

技术编号:26596455 阅读:33 留言:0更新日期:2020-12-04 21:18
本发明专利技术公开了一种固态硬盘资源分配方法,包括以下步骤:当硬盘IO从IO队列中被取出执行时,获取硬盘IO的属性以及固态硬盘的状况信息;将属性和状况信息识别为预设的强化模型的状态集中的其中一种状态;基于强化模型,获取与识别出的状态对应的动作;执行动作,以将硬盘IO分配给所述单位存储颗粒介质分区或三位存储颗粒介质分区。本发明专利技术还公开了一种装置和计算机可读存储介质,解决了无法充分考虑IO属性从而适应不同的负载需求的问题和无法均衡设备磨损的问题。

【技术实现步骤摘要】
固态硬盘资源分配方法、装置和存储介质
本专利技术涉及计算机存储
,尤其涉及一种固态硬盘资源分配方法、装置和计算机存储介质。
技术介绍
固态硬盘(SSD)已经进入存储市场的主流行列,以其具有抗震抗摔、读取速度快、功耗低、重量低、噪音低等优越性,已经被越来越多的使用到了笔记本硬盘、微硬盘、移动固态硬盘等计算机领域。传统的混合固态硬盘通常是在三位存储颗粒介质(TLC)上开辟某一块区域作为单位存储颗粒介质(SLC),结合TLC容量大低成本和SLC高性能寿命长的优点,但是在传统的混合固态硬盘中针对SLC资源的分配通常基于单一IO请求属性。因此,现有技术还存在无法充分考虑IO属性从而适应不同的负载需求的问题和无法均衡设备磨损的问题。
技术实现思路
本专利技术主要目的在于提供一种基于强化学习的固态硬盘资源分配方法、装置和计算机存储介质,旨在解决现有技术还存在无法充分考虑IO属性从而适应不同的负载需求的问题和无法均衡设备磨损的问题。为实现上述目的,本专利技术提供一种固态硬盘资源分配方法,所述固态硬盘资源分配方法包括以下步骤:当硬盘IO从IO队列中被取出执行时,获取所述硬盘IO的属性以及固态硬盘的状况信息;将所述属性和状况信息识别为预设的强化模型的状态集中的其中一种状态;基于所述强化模型,获取与识别出的状态对应的动作;执行所述动作,以将所述硬盘IO分配给所述单位存储颗粒介质分区或三位存储颗粒介质分区。在一实施例中,所述硬盘IO的属性包括:要求操作的存储空间的大小、IO队列中的硬盘IO的数量、是否为热数据以及操作类型;所述固态硬盘的状况信息包括:单位存储颗粒介质分区和三位存储颗粒介质分区的大小、平均擦除次数。在一实施例中,还包括:计算所述强化模型的反馈参数并更新所述强化模型。在一实施例中,所述计算所述强化模型的反馈参数并更新所述强化模型的步骤中,采用如下公式计算反馈参数:Reward=(SD+α*TD+N)/T,其中,T为上一时间段的硬盘IO延迟的平均值,N为所述上一时间段处理硬盘IO的数量,SD为单位存储颗粒介质分区的剩余寿命,TD为三位存储颗粒介质分区的剩余寿命,所述剩余寿命定义为剩余擦除次数与总擦除次数的比值,α为三位存储颗粒介质分区的寿命权重超参数,范围是0-1。在一实施例中,所述基于所述强化模型,获取与识别出的状态对应的动作的步骤中,采用贪婪算法获取所述动作。在一实施例中,所述执行所述动作的步骤包括:获取所述动作对应的目标分区;所述目标分区为单位存储颗粒介质分区或者三位存储颗粒介质分区;执行物理地址分配算法,将所述硬盘IO分配到对应的目标分区的具体物理页;将所述硬盘IO的物理页信息更新到映射表中,对单位存储颗粒介质分区和三位存储颗粒介质分区分别维护各自的映射表算法,单位存储颗粒介质分区采用页映射,三位存储颗粒介质分区采用块映射。在一实施例中,所述执行所述动作的步骤中,在执行物理地址分配算法之前还包括:遍历所述动作的目标分区,计算所述目标分区的剩余空间和无效数据;根据所述目标分区的剩余空间和无效数据判断所述目标分区是否需要执行垃圾回收,当所述目标分区满足垃圾回收的条件时,执行垃圾回收算法并将回收空间初始化为三位存储颗粒介质空间。在一实施例中,所述垃圾回收条件包括以下二者至少之一:固态硬盘处于空闲期,空闲块的数量少于预先设定的空闲块数量阈值;固态硬盘处于空闲期,无效数据的总比例超过设定无效比例的阈值。为实现上述目的,本专利技术还提供一种装置,所述装置包括存储器、处理器以及存储在所述存储器并可在所述处理器上运行的固态硬盘资源分配程序,所述固态硬盘资源分配程序被所述处理器执行时实现如上所述的固态硬盘资源分配方法的各个步骤。为实现上述目的,本专利技术还提供一种计算机可读存储介质,所述计算机可读存储介质存储有固态硬盘资源分配程序,所述固态硬盘资源分配程序被处理器执行时实现如上所述的固态硬盘资源分配方法的各个步骤。本专利技术提供的固态硬盘资源分配方法、装置和计算机存储介质,当硬盘IO从IO队列中被取出执行时,获取硬盘IO的属性以及固态硬盘的状况信息;将属性和状况信息识别为预设的强化模型的状态集中的其中一种状态;基于强化模型,获取与识别出的状态对应的动作;执行动作,以将硬盘IO分配给单位存储颗粒介质分区或三位存储颗粒介质分区。由于识别硬盘IO的属性和固态硬盘的状况信息为预设的强化模型的状态集中的其中一种状态,根据强化模型识别出状态对应的动作,强化模型经过大量的IO负载训练,则通过强化学习从强化模型中可以选择最优动作,将IO分配到对应的单位存储颗粒介质分区或者三位存储颗粒介质分区,从而解决了现有技术还存在无法充分考虑IO属性从而适应不同的负载需求的问题和无法均衡设备磨损的问题。附图说明图1为本专利技术实施例涉及的装置结构示意图;图2为本专利技术固态硬盘资源分配方法的第一实施例的流程示意图;图3为本专利技术固态硬盘资源分配方法的第二实施例的流程示意图;图4为本专利技术固态硬盘资源分配方法的第三实施例的流程示意图;图5为本专利技术固态硬盘资源分配方法的第四实施例的流程示意图。具体实施方式应当理解,此处所描述的具体实施例仅仅用以解释本专利技术,并不用于限定本专利技术。本专利技术实施例的主要解决方案是:当硬盘IO从IO队列中被取出执行时,获取硬盘IO的属性以及固态硬盘的状况信息;将属性和状况信息识别为预设的强化模型的状态集中的其中一种状态;基于强化模型,获取与识别出的状态对应的动作;执行动作,以将硬盘IO分配给单位存储颗粒介质分区或三位存储颗粒介质分区。由于识别硬盘IO的属性和固态硬盘的状况信息为预设的强化模型的状态集中的其中一种状态,根据强化模型识别出状态对应的动作,强化模型经过大量的IO负载训练,则通过强化学习从强化模型中可以选择最优动作,将IO分配到对应的单位存储颗粒介质分区或者三位存储颗粒介质分区,从而解决了现有技术还存在无法充分考虑IO属性从而适应不同的负载需求的问题和无法均衡设备磨损的问题。作为一种实现方式,可以如图1所示,图1是本专利技术实施例方案涉及的装置结构示意图。装置1000包括至少一个处理器(例如CPU)1100、存储器1200。处理器1100可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器1100中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器1100可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本专利技术实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存本文档来自技高网...

【技术保护点】
1.一种固态硬盘资源分配方法,其特征在于,所述固态硬盘包括单位存储颗粒介质分区和三位存储颗粒介质分区,所述固态硬盘资源分配方法包括以下步骤:/n当硬盘IO从IO队列中被取出执行时,获取所述硬盘IO的属性以及固态硬盘的状况信息;/n将所述属性和状况信息识别为预设的强化模型的状态集中的其中一种状态;/n基于所述强化模型,获取与识别出的状态对应的动作;/n执行所述动作,以将所述硬盘IO分配给所述单位存储颗粒介质分区或三位存储颗粒介质分区。/n

【技术特征摘要】
1.一种固态硬盘资源分配方法,其特征在于,所述固态硬盘包括单位存储颗粒介质分区和三位存储颗粒介质分区,所述固态硬盘资源分配方法包括以下步骤:
当硬盘IO从IO队列中被取出执行时,获取所述硬盘IO的属性以及固态硬盘的状况信息;
将所述属性和状况信息识别为预设的强化模型的状态集中的其中一种状态;
基于所述强化模型,获取与识别出的状态对应的动作;
执行所述动作,以将所述硬盘IO分配给所述单位存储颗粒介质分区或三位存储颗粒介质分区。


2.如权利要求1所述的固态硬盘资源分配方法,其特征在于,所述硬盘IO的属性包括:要求操作的存储空间的大小、IO队列中的硬盘IO的数量、是否为热数据以及操作类型;
所述固态硬盘的状况信息包括:单位存储颗粒介质分区和三位存储颗粒介质分区的大小、平均擦除次数。


3.如权利要求1所述的固态硬盘资源分配方法,其特征在于,还包括:
计算所述强化模型的反馈参数并更新所述强化模型。


4.如权利要求3所述的固态硬盘资源分配方法,其特征在于,所述计算所述强化模型的反馈参数并更新所述强化模型的步骤中,采用如下公式计算反馈参数:
Reward=(SD+α*TD+N)/T,
其中,T为上一时间段的硬盘IO延迟的平均值,N为所述上一时间段处理硬盘IO的数量,SD为单位存储颗粒介质分区的剩余寿命,TD为三位存储颗粒介质分区的剩余寿命,所述剩余寿命定义为剩余擦除次数与总擦除次数的比值,α为三位存储颗粒介质分区的寿命权重超参数,范围是0-1。


5.如权利要求1所述的固态硬盘资源分配方法,其特征在于,所述基于所述强化模型,获取与识别出的状态对应的动作的步骤中,采用贪婪算法获取所述动作。

【专利技术属性】
技术研发人员:刘永恒吴超廖清
申请(专利权)人:鹏城实验室
类型:发明
国别省市:广东;44

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1