模型训练及预测时长的方法、电子设备和计算机程序产品技术

本公开的实施例涉及模型训练及预测时长的方法、电子设备和计算机程序产品。该方法包括获取与数据对象的第一快照有关的第一组参数值，第一快照通过第一删除操作而被从存储系统中删除。该方法还包括获取第一删除操作被执行的第一时长。该方法还包括至少基于第一组参数值和第一时长来生成预测模型，预测模型用于确定从存储系统中删除快照所需的预测时长。通过该方法，使得用户可以及时获知删除快照所需的时间，改善了用户体验，并且提高了系统性能。并且提高了系统性能。并且提高了系统性能。

【技术实现步骤摘要】
模型训练及预测时长的方法、电子设备和计算机程序产品


[0001]本公开的实施例涉及数据存储领域，并且更具体地，涉及模型训练及预测时长的方法、电子设备和计算机程序产品。

技术介绍

[0002]存储系统是指由存放程序和数据的各种存储设备、控制部件及管理信息调度的设备和算法所组成的系统。随着存储技术的发展，越来越多的数据被存储到存储系统中，导致用户对存储系统的使用越来越多。
[0003]在用户使用存储系统时，为了保证数据的安全，通常在存储生系统中存储各种数据对象的快照，例如虚拟机、文件系统或数据库的快照。然而，在存储系统中对数据对象的快照的管理还存在许多需要解决的问题。

技术实现思路

[0004]本公开的实施例提供一种模型训练及预测时长的方法、电子设备和计算机程序产品。
[0005]根据本公开的第一方面，提供了一种模型训练方法。该方法包括获取与数据对象的第一快照有关的第一组参数值，第一快照通过第一删除操作而被从存储系统中删除。该方法还包括获取第一删除操作被执行的第一时长。该方法还包括至少基于第一组参数值和第一时长来生成本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型训练方法，包括：获取与数据对象的第一快照有关的第一组参数值，所述第一快照通过第一删除操作而被从存储系统中删除；获取所述第一删除操作被执行的第一时长；以及至少基于所述第一组参数值和所述第一时长来生成预测模型，所述预测模型用于确定从所述存储系统中删除快照所需的预测时长。2.根据权利要求1所述的方法，其中所述第一组参数值包括以下至少一项：CPU使用率、在删除所述第一快照时正在被删除的快照的数目、第一快照的存储时长、第一快照被创建时所述数据对象的大小。3.根据权利要求1所述的方法，其中生成所述预测模型包括：通过使用所述第一组参数值和所述第一时长来训练线性回归模型，来得到所述预测模型的参数。4.根据权利要求3所述的方法，还包括：获取与所述数据对象的第二快照有关的第二组参数值，所述第二快照通过第二删除操作而被从所述存储系统中删除；获取所述第二删除操作被执行的第二时长；将所述第二组参数值应用于经训练的所述线性回归模型以确定针对所述第二删除操作的预测时长；以及基于所述预测时长和所述第二时长来确定经训练的所述线性回归模型的可用性。5.根据权利要求4所述的方法，其中确定经训练的所述线性回归模型的可用性包括：基于所述预测时长和所述第二时长来确定针对经训练的所述线性回归模型的拟合程度；以及如果确定所述拟合程度等于或高于阈值程度，将经训练的所述线性回归模型确定为可用的预测模型。6.根据权利要求5所述的方法，还包括：如果确定所述拟合程度小于阈值程度，使用已删除的快照的参数值和相应删除操作的时长继续训练所述线性回归模型。7.一种预测时长的方法，包括:接收用于删除存储系统中的数据对象的目标快照的请求，所述请求包括所述目标快照的标识；基于所述标识，获取与所述目标快照有关的一组参数值；以及基于所述一组参数值来确定删除所述目标快照所需的时长。8.根据权利要求7所述的方法，其中确定删除所述目标快照所需的时长包括：将所述一组参数值应于使用权利要求1
‑
6中任一项所述的方法生成的预测模型来确定所述时长。9.根据权利要求7所述的方法，其中所述一组参数值包括以下至少一项：CPU使用率、在删除所述目标快照时正在被删除的快照的数目、所述目标快照的存储时长、所述目标快照被创建时所述数据对象的大小。10.一种电子设备，包括：
至少一个处理器；以及存储器，耦合至所述至少一个处理器并且具有存储于其上的指令，所述指令在由所述至少一个处理器执行时使所述设备执行动作，所述动作包括：获取与数据对象的第一快照有关的第一组参数值，所述第一快照通过第一删除操作而被从存储系统中删除；获取所述第一删除操作被执行的第一时长；以及至少基于所述第一组参数值和所述第一时长来生成预测模型，所述预测模型用于确...

【专利技术属性】
技术研发人员：杜芳，陈旭，肖攀，韩臣旭，
申请(专利权)人：伊姆西IP控股有限责任公司，
类型：发明
国别省市：