System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种存储设备寿命预测方法、装置、设备和存储介质制造方法及图纸_技高网

一种存储设备寿命预测方法、装置、设备和存储介质制造方法及图纸

技术编号:40879882 阅读:3 留言:0更新日期:2024-04-08 16:50
本申请公开了一种存储设备寿命预测方法、装置、设备和存储介质,涉及设备寿命预测技术领域。方法包括:获取样本存储设备运行过程中的样本多维特征参数;针对存储设备不同的特征参数定义不同的相对劣化度计算策略;根据当前多维特征参数中每种特征参数匹配对应的所述相对劣化度计算策略进行计算,得到对应的相对劣化度;根据所述相对劣化度建立存储设备运行状态评估体系;根据所述存储设备运行状态评估体系建立云模型,并部署所述云模型;获取当前存储设备运行过程中的实时多维特征参数;根据所述实时多维特征参数以及所述云模型,输出所述当前存储设备的预测寿命。本申请能够对闪存介质存储设备基于多维度进行寿命预测以提高寿命预测准确性。

【技术实现步骤摘要】

本申请涉及设备寿命预测,特别是涉及一种存储设备寿命预测方法、装置、设备和存储介质


技术介绍

1、随着人工智能、大数据的快速发展,以快闪存储器为存储介质的存储设备如固态硬盘设备快速发展。相对于传统机械硬盘设备,虽然闪存介质存储设备具有速度快等优点,但是闪存介质具有闪存寿命限制,闪存介质随着擦除/编程次数的增加,导致闪存的存储单元产生缺陷并最终失效,从而导致数据丢失,这对于用户来说是不可接受的,因此用户在使用过程中通过某种方法预测闪存介质寿命,提前在闪存介质失效之前进行更换变得迫切且必要。

2、传统的闪存介质存储设备在使用过程中的寿命预测方法较为简单:基于一段时间内的磨损度变化计算平均值作为寿命预测,此种方法误差较大,可信度低。


技术实现思路

1、基于此,有必要针对上述
技术介绍
中提到的至少一个技术问题,提供一种存储设备寿命预测方法、装置、设备和存储介质,能够实现对闪存介质存储设备基于多维度进行寿命预测以提高寿命预测准确性。

2、本申请实施例提供的具体技术方案如下:第一方面,提供一种存储设备寿命预测方法,包括:获取样本存储设备运行过程中的样本多维特征参数;针对存储设备不同的特征参数定义不同的相对劣化度计算策略;根据当前多维特征参数中每种特征参数匹配对应的所述相对劣化度计算策略进行计算,得到对应的相对劣化度;根据所述相对劣化度建立存储设备运行状态评估体系;根据所述存储设备运行状态评估体系建立云模型,并部署所述云模型;获取当前存储设备运行过程中的实时多维特征参数;根据所述实时多维特征参数以及所述云模型,输出所述当前存储设备的预测寿命。

3、进一步的,所述相对劣化度计算策略包括越小越优型计算策略、越大越优型计算策略以及极小越优型计算策略中的至少一种。

4、进一步的,所述越小越优型计算策略采用如下公式进行计算:,其中,为第i时刻存储设备当前特征参数实际运行值,为第i时刻存储设备当前特征参数状态良好值,为第i时刻存储设备当前特征参数运行允许最大值,为第i时刻存储设备当前特征参数对应的相对劣化度,a用于描述当前特征参数对于存储设备的权重。

5、进一步的,所述越大越优型计算策略采用如下公式进行计算:,其中,为第i时刻存储设备当前特征参数实际运行值,为第i时刻存储设备当前特征参数状态良好值,为第i时刻存储设备当前特征参数运行允许最小值,为第i时刻存储设备当前特征参数对应的相对劣化度,a用于描述当前特征参数对于存储设备的权重。

6、进一步的,所述极小越优型计算策略采用如下公式进行计算:,其中,为第i时刻存储设备当前特征参数实际运行值,为第i时刻存储设备当前特征参数状态良好值,为第i时刻存储设备当前特征参数运行允许最小值,为第i时刻存储设备当前特征参数运行允许最大值,为第i时刻存储设备当前特征参数对应的相对劣化度,a用于描述当前特征参数对于存储设备的权重。

7、进一步的,所述多维特征参数包括编程次数、擦除次数、工作电流、工作温度、工作湿度以及工作电压中的至少两种。

8、进一步的,所述根据所述相对劣化度建立存储设备运行状态评估体系,包括:

9、定义存储设备运行状态等级区间,所述存储设备运行状态等级区间包括第一状态等级区间、第二状态等级区间、第三状态等级区间以及第四状态等级区间中的至少两种;

10、根据所述相对劣化度匹配对应所述存储设备运行状态等级区间;其中,所述第一状态等级区间用于描述存储设备运行状态为良好状态,所述第二状态等级区间用于描述存储设备运行状态为注意状态,所述第三状态等级区间用于描述存储设备运行状态为异常状态,所述第四状态等级区间用于描述存储设备运行状态为失效状态。

11、进一步的,所述根据所述存储设备运行状态评估体系建立云模型,并部署所述云模型,包括:根据所述相对劣化度以及对应的所述存储设备运行状态等级区间确定云模型的数字特征值;根据确定的所述云模型的数字特征值生成云模型的隶属度函数,建立云模型。

12、进一步的,所述根据确定的所述云模型的数字特征值生成云模型的隶属度函数,建立云模型,包括:生成以熵为期望,超熵平方为标准方法的正态随机数,其中;生成以期望为期望,为标准方法的正态随机数,;通过下式进行计算生成的云滴:<mi>u</mi><mi>x</mi></mfenced><mi>=</mi><mi>exp</mi><mi>[</mi><mfrac><mrow><mi>-</mi><msup><mrow><mi>(</mi><msub><mi>x</mi><mi>i</mi></msub><mi>-</mi><msub><mi>e</mi><mi>x</mi></msub><mi>)</mi></mrow><mn>2</mn></msup></mrow><mrow><mn>2</mn><msubsup><msup><mi>e</mi><mi>'</mi></msup><msub><mi>y</mi><mi>i</mi></msub><mn>2</mn></msubsup></mrow></mfrac><mi>]</mi>;重复生成多个云滴,直至云模型生成完毕;其中,表示生成正态分布随机数的函数。

13、进一步的,所述根据所述实时多维特征参数以及所述云模型,输出所述当前存储设备的预测寿命,包括:根据所述实时多维特征参数计算得到对应实时相对劣化度;根据所述实时相对劣化度以及所述云模型,计算得到当前存储设备的初始化状态概率分布向量。

14、进一步的,通过马尔科夫链根据所述初始化状态概率分布向量计算得到状态转移矩阵;根据所述状态转移矩阵预测第一预设时间后的状态概率分布,并根据所述第一预设时间后的状态概率分布判断是否达到寿命极限,重复计算直至达到寿命极限,输出当前存储设备的预测寿命。

15、进一步的,所述根据所述实时相对劣化度以及所述云模型,计算得到当前存储设备的初始化状态概率分布向量,包括:取相交云滴的隶属度概率平均值作为第i个测量点第j个状态等级的概率值,定义向量,定义编程次数为,擦写次数为,工作电流为,工作本文档来自技高网...

【技术保护点】

1.一种存储设备寿命预测方法,其特征在于,包括:

2.根据权利要求1所述的存储设备寿命预测方法,其特征在于,所述相对劣化度计算策略包括越小越优型计算策略、越大越优型计算策略以及极小越优型计算策略中的至少一种。

3.根据权利要求2所述的存储设备寿命预测方法,其特征在于,所述越小越优型计算策略采用如下公式进行计算:,其中,为第i时刻存储设备当前特征参数实际运行值,为第i时刻存储设备当前特征参数状态良好值,为第i时刻存储设备当前特征参数运行允许最大值,为第i时刻存储设备当前特征参数对应的相对劣化度,a用于描述当前特征参数对于存储设备的权重。

4.根据权利要求2所述的存储设备寿命预测方法,其特征在于,所述越大越优型计算策略采用如下公式进行计算:,其中,为第i时刻存储设备当前特征参数实际运行值,为第i时刻存储设备当前特征参数状态良好值,为第i时刻存储设备当前特征参数运行允许最小值,为第i时刻存储设备当前特征参数对应的相对劣化度,a用于描述当前特征参数对于存储设备的权重。

5.根据权利要求2所述的存储设备寿命预测方法,其特征在于,所述极小越优型计算策略采用如下公式进行计算:,其中,为第i时刻存储设备当前特征参数实际运行值,为第i时刻存储设备当前特征参数状态良好值,为第i时刻存储设备当前特征参数运行允许最小值,为第i时刻存储设备当前特征参数运行允许最大值,为第i时刻存储设备当前特征参数对应的相对劣化度,a用于描述当前特征参数对于存储设备的权重。

6.根据权利要求1所述的存储设备寿命预测方法,其特征在于,所述多维特征参数包括编程次数、擦除次数、工作电流、工作温度、工作湿度以及工作电压中的至少两种。

7.根据权利要求1所述的存储设备寿命预测方法,其特征在于,所述根据所述相对劣化度建立存储设备运行状态评估体系,包括:

8.根据权利要求7所述的存储设备寿命预测方法,其特征在于,所述根据所述存储设备运行状态评估体系建立云模型,并部署所述云模型,包括:

9.根据权利要求8所述的存储设备寿命预测方法,其特征在于,所述根据确定的所述云模型的数字特征值生成云模型的隶属度函数,建立云模型,包括:

10.根据权利要求1所述的存储设备寿命预测方法,其特征在于,所述根据所述实时多维特征参数以及所述云模型,输出所述当前存储设备的预测寿命,包括:

11.根据权利要求10所述的存储设备寿命预测方法,其特征在于,所述方法还包括:

12.根据权利要求10所述的存储设备寿命预测方法,其特征在于,所述根据所述实时相对劣化度以及所述云模型,计算得到当前存储设备的初始化状态概率分布向量,包括:

13.一种存储设备寿命预测装置,其特征在于,所述装置包括:

14.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至12中任一项所述方法的步骤。

15.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至12中任一项所述的方法的步骤。

...

【技术特征摘要】

1.一种存储设备寿命预测方法,其特征在于,包括:

2.根据权利要求1所述的存储设备寿命预测方法,其特征在于,所述相对劣化度计算策略包括越小越优型计算策略、越大越优型计算策略以及极小越优型计算策略中的至少一种。

3.根据权利要求2所述的存储设备寿命预测方法,其特征在于,所述越小越优型计算策略采用如下公式进行计算:,其中,为第i时刻存储设备当前特征参数实际运行值,为第i时刻存储设备当前特征参数状态良好值,为第i时刻存储设备当前特征参数运行允许最大值,为第i时刻存储设备当前特征参数对应的相对劣化度,a用于描述当前特征参数对于存储设备的权重。

4.根据权利要求2所述的存储设备寿命预测方法,其特征在于,所述越大越优型计算策略采用如下公式进行计算:,其中,为第i时刻存储设备当前特征参数实际运行值,为第i时刻存储设备当前特征参数状态良好值,为第i时刻存储设备当前特征参数运行允许最小值,为第i时刻存储设备当前特征参数对应的相对劣化度,a用于描述当前特征参数对于存储设备的权重。

5.根据权利要求2所述的存储设备寿命预测方法,其特征在于,所述极小越优型计算策略采用如下公式进行计算:,其中,为第i时刻存储设备当前特征参数实际运行值,为第i时刻存储设备当前特征参数状态良好值,为第i时刻存储设备当前特征参数运行允许最小值,为第i时刻存储设备当前特征参数运行允许最大值,为第i时刻存储设备当前特征参数对应的相对劣化度,a用于描述当前特征参数对于存储设备的权重。

6.根据权利要求1所述的存储设备寿命预测方法,其...

【专利技术属性】
技术研发人员:孙丁谢向阳程广亮
申请(专利权)人:山东云海国创云计算装备产业创新中心有限公司
类型:发明
国别省市:

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