存储性能预测方法、装置、设备以及计算机可读存储介质制造方法及图纸

本发明专利技术公开了一种存储性能预测方法、装置、设备以及计算机可读存储介质，方法包括：确定目标配置参数以及目标运行参数；将所述目标配置参数输入第一回归模型，控制所述第一回归模型根据所述目标配置参数执行回归计算，得到第二回归模型结构的目标结构参数；根据所述目标结构参数以及所述第二回归模型结构得到第二回归模型；将所述目标运行参数输入所述第二回归模型，根据所述第二回归模型执行回归计算的输出结果预测得到性能参数。提高预测存储性能的准确度。能的准确度。能的准确度。

【技术实现步骤摘要】
存储性能预测方法、装置、设备以及计算机可读存储介质


[0001]本专利技术涉及存储
，尤其涉及一种存储性能预测方法、装置、设备以及计算机可读存储介质。

技术介绍

[0002]在云计算时代，存储大多采用软件定义存储。软件定义存储具有以下三个特点：第一是存储涉及到的设备厂家从单厂家变为多厂家；第二是存储从专用变成了共享，业务上下线频繁，存储运行参数经常发生变化；第三是存储的扩容更加方便也更加频繁。如何针对多厂家耦合的软件定义存储系统，预测其性能表现，指导存储资源的分配和存储系统的扩缩容，成为了一个重要的课题。目前可根据厂家给出的理论值进行存储性能预测，但是理论值为厂家实验室环境下的测试值，和现网环境不一致，导致预测精确度不高。

技术实现思路

[0003]本专利技术的主要目的在于提供一种存储性能预测方法、装置、设备以及计算机可读存储介质，旨在提高预测存储性能的准确度。
[0004]为实现上述目的，本专利技术提供的一种存储性能预测方法，所述存储性能预测方法包括以下步骤：
[0005]确定目标配置参数以及目标运行参数；
[0006]将所述目标配置参数输入第一回归模型，控制所述第一回归模型根据所述目标配置参数执行回归计算，得到第二回归模型结构的目标结构参数；
[0007]根据所述目标结构参数以及所述第二回归模型结构得到第二回归模型；
[0008]将所述目标运行参数输入所述第二回归模型，根据所述第二回归模型执行回归计算的输出结果预测得到性能参数。
[0009]在一实施例中，所述将所述目标配置参数输入第一回归模型，控制所述第一回归模型根据所述目标配置参数执行回归计算，得到第二回归模型的结构参数的步骤之前，包括：
[0010]构建所述第二回归模型结构，其中，运行参数为所述第二回归模型结构的自变量，性能参数为所述第二回归模型结构的因变量；
[0011]获取不同的配置参数、性能参数以及运行参数；
[0012]根据所述配置参数、性能参数以及运行参数训练所述第二回归模型结构，得到在不同的配置参数下对应的第二子回归模型，其中，已知所述第二子回归模型的结构参数的数值；
[0013]构建第一回归模型结构，其中，配置参数作为所述第一回归模型结构的自变量，第二回归模型结构的结构参数作为所述第一回归模型结构的因变量；
[0014]使用所述第二子回归模型的结构参数训练所述第一回归模型结构得到所述第一回归模型。
[0015]在一实施例中，所述获取不同的配置参数、性能参数以及运行参数，根据所述配置参数、性能参数以及运行参数训练所述第二回归模型结构，得到在不同的配置参数下对应的第二子回归模型的步骤，包括：
[0016]获取同一配置参数下改变不同运行参数得到的性能参数，并将所述运行参数以及所述性能参数代入所述第二回归模型结构，得到在所述配置参数下对应的第二子回归模型的结构参数；
[0017]改变配置参数，获取在不同配置参数下得到的第二子回归模型的结构参数。
[0018]在一实施例中，所述确定目标配置参数以及目标运行参数的步骤包括：
[0019]获取当前的配置参数以及运行参数；
[0020]在确定配置参数需要改变时，获取改变后的配置参数；
[0021]确定改变后的配置参数为所述目标配置参数，并确定所述运行参数为所述目标运行参数；或者，
[0022]在确定运行参数需要改变时，获取改变后的运行参数；
[0023]确定改变后的配置参数为所述目标运行参数，并确定所述配置参数为所述目标配置参数。
[0024]在一实施例中，所述获取变化后的配置参数的步骤，包括：
[0025]根据所述当前的配置参数和第一预计变化量，得到所述变化后的配置参数。
[0026]在一实施例中，所述获取变化后的运行参数的步骤，包括：
[0027]根据所述当前的运行参数和第二预计变化量，得到所述变化后的运行参数。
[0028]在一实施例中，所述根据所述第二回归模型执行回归计算的输出结果预测得到性能参数步骤之后，还包括：
[0029]基于所述目标配置参数、目标运行参数以及所述预测得到性能参数训练所述第一回归模型和所述第二回归模型。
[0030]为实现上述目的，本专利技术还提供一种存储性能预测装置，所述存储性能预测装置包括：
[0031]确定模块，用于确定目标配置参数以及目标运行参数；
[0032]控制模块，用于将所述目标配置参数输入第一回归模型，控制所述第一回归模型根据所述目标配置参数执行回归计算，得到第二回归模型结构的目标结构参数；
[0033]得到模块，用于根据所述目标结构参数以及所述第二回归模型结构得到第二回归模型；
[0034]预测模块，用于将所述目标运行参数输入所述第二回归模型，根据所述第二回归模型执行回归计算的输出结果预测得到性能参数。
[0035]为实现上述目的，本专利技术还提供一种存储性能预测设备，所述存储性能预测设备包括存储器、处理器以及存储在所述存储器并可在所述处理器上执行的存储性能预测程序，所述存储性能预测程序被所述处理器执行时实现如上所述的存储性能预测方法的各个步骤。
[0036]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存储性能预测程序，所述存储性能预测程序被处理器执行时实现如上所述的存储性能预测方法的各个步骤。
[0037]本专利技术提供的一种存储性能预测方法、装置、设备以及计算机可读存储介质，确定目标配置参数以及目标运行参数，将所述目标配置参数输入第一回归模型，控制所述第一回归模型根据所述目标配置参数执行回归计算，得到第二回归模型结构的目标结构参数，根据所述目标结构参数以及所述第二回归模型结构得到第二回归模型，将所述目标运行参数输入所述第二回归模型，根据所述第二回归模型执行回归计算的输出结果预测得到性能参数。通过第一预测模型的输出结果构造第二回归模型，通过双重回归模型预测性能参数，提高了预测到的性能参数的准确性。
附图说明
[0038]图1为本专利技术实施例涉及的存储性能预测设备的硬件结构示意图；
[0039]图2为本专利技术存储性能预测方法的第一实施例的流程示意图；
[0040]图3为本专利技术存储性能预测方法的第二实施例的步骤S10的细化流程示意图；
[0041]图4为本专利技术存储性能预测方法在配置参数需要改变时，预测得到的性能参数的步骤示意图；
[0042]图5为本专利技术存储性能预测方法在运行参数需要改变时，预测得到的性能参数的步骤示意图；
[0043]图6为本专利技术存储性能预测方法的训练第一回归模型的步骤示意图；
[0044]图7为本专利技术存储性能预测方法的模块示意图。
[0045]本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0046]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，并不用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种存储性能预测方法，其特征在于，所述存储性能预测方法包括：确定目标配置参数以及目标运行参数；将所述目标配置参数输入第一回归模型，控制所述第一回归模型根据所述目标配置参数执行回归计算，得到第二回归模型结构的目标结构参数；根据所述目标结构参数以及所述第二回归模型结构得到第二回归模型；将所述目标运行参数输入所述第二回归模型，根据所述第二回归模型执行回归计算的输出结果预测得到性能参数。2.如权利要求1所述的存储性能预测方法，其特征在于，所述将所述目标配置参数输入第一回归模型，控制所述第一回归模型根据所述目标配置参数执行回归计算，得到第二回归模型的结构参数的步骤之前，包括：构建所述第二回归模型结构，其中，运行参数为所述第二回归模型结构的自变量，性能参数为所述第二回归模型结构的因变量；获取不同的配置参数、性能参数以及运行参数；根据所述配置参数、性能参数以及运行参数训练所述第二回归模型结构，得到在不同的配置参数下对应的第二子回归模型，其中，已知所述第二子回归模型的结构参数的数值；构建第一回归模型结构，其中，配置参数作为所述第一回归模型结构的自变量，第二回归模型结构的结构参数作为所述第一回归模型结构的因变量；使用所述第二子回归模型的结构参数训练所述第一回归模型结构得到所述第一回归模型。3.如权利要求2所述的存储性能预测方法，其特征在于，所述获取不同的配置参数、性能参数以及运行参数，根据所述配置参数、性能参数以及运行参数训练所述第二回归模型结构，得到在不同的配置参数下对应的第二子回归模型的步骤，包括：获取同一配置参数下改变不同运行参数得到的性能参数，并将所述运行参数以及所述性能参数代入所述第二回归模型结构，得到在所述配置参数下对应的第二子回归模型的结构参数；改变配置参数，获取在不同配置参数下得到的第二子回归模型的结构参数。4.如权利要求1所述的存储性能预测方法，其特征在于，所述确定目标配置参数以及目标运行参数的步骤包括：获取当前的配置参数以及运行参数；在确定配置参数需要改变时，获取改变后的...

【专利技术属性】
技术研发人员：齐鲁，方炜，王晨，罗晓光，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：