[發明專利]一種用于建立儲存裝置流量模型的方法與系統

有效

• 申請號: 201410322781.6
• 申請日: 2014-07-08
• 公開（公告）號: CN105306240B
• 公開（公告）日: 2018-06-22
• 發明（設計）人: 黃明仁;黃純芳;石宗民;陳文賢
• 申請（專利權）人: 先智云端數據股份有限公司
• 主分類號: H04L12/24
• 分類號: H04L12/24
• 代理公司: 北京科龍寰宇知識產權代理有限責任公司 11139
• 代理人: 孫皓晨

本發明公開一種在軟件定義儲存下，用于儲存裝置流量模型的方法與系統。該方法包含以下步驟：在一段時間內，由一儲存節點收集至少一個性能參數的觀察值；由該觀察值，學習該至少一個性能參數隨時間變化的一趨勢結構；及于未來某一特定的時間點提供某一性能參數的預測值。該儲存節點由軟件定義儲存軟件所運作，該趨勢結構基于經過該段時間后收集的觀察值而被調整，該預測值由調整后的趨勢結構輸出。

技術領域

本發明關于一種用于建立儲存裝置流量模型的方法與系統，特別是關于一種在軟件定義儲存下，用于建立儲存裝置流量模型的方法與系統。

背景技術

云端服務在最近十年中發展得非常普及。云端服務是基于云端計算，在不增加客戶端的負擔情形下，提供相關的服務或商品。云端計算涉及了大量的計算機主機，這些計算機主機彼此經由一個通信網絡，比如因特網，而連接。它依賴資源的分享，以達成一致性與經濟規模。云端計算的概念融合了網絡基礎設施以及資源共享的服務等形成的基礎架構。在所有分享的服務中，內存與儲存設備絕對是兩個需求最大的項目。這是因為某些熱門的應用，比如視頻串流，需要巨大的數據量儲存。當云端服務運作時，內存和儲存設備管理是非常重要的，以為客戶維持正常的服務質量。

舉例而言，用來提供云端服務的服務器通常管理或連接到數個硬式磁盤上?？蛻羰褂迷摲掌鳎瑪祿栽撚彩酱疟P讀出或寫入其中。但是，由于硬式磁盤系統的限制而往往產生響應時間的延遲，這會引起服務需求上的問題。在正常的硬式磁盤系統的操作下，當應用面所需求(即工作量)的訪問速度超過硬式磁盤系統所能提供的速度時，延遲時間通常因此而產生。在過去，延遲時間可能不會造成困擾，因為云端服務提供商能供應用于可預期最大容量的基礎架構。然而，當更多客戶加入分享服務資源時，固定的基礎架構可能就無法支持來自客戶端的需求了。為了改善與加強基礎架構，除了僅備妥較多的硬件外，也需要能夠彈性調整基礎架構。只為了未來某一時間點不確定的情況而準備額外大量的備用資源，是很不經濟的。

另一個和云端服務一樣地快速增長的需求是軟件定義儲存。軟件定義儲存指的是可從管理儲存基礎架構的軟件中，獨立出儲存硬件的計算器數據儲存技術。在軟件定義儲存下，可以啟動一些功能選項，如重復數據刪除、復制、自動精簡配置、快照和備份，提供策略管理。通過軟件定義儲存技術，可滿足基礎架構的彈性調整需求，可以提供剛好足夠的基礎設施資源，而在基礎設施中未使用的硬件可以是待機狀態，以節省電力消耗，延長硬件的生命周期。除了基礎架構的彈性調整，如果該系統能預測短期內的儲存流量及進行本身調整以符合外在需要，該系統就能提供客戶更好的服務。簡言之，對于能預測在未來某一特定的時間點的系統，即本發明所謂的流量模型是存在著高度的需求。儲存裝置流量模型特別是本發明所關注的焦點。

參照美國專利公開案第20090138420號，該案揭露對前述需求有用的發明，一種用于建立網絡流量模型的方法。在該方法中，一人工神經網絡結構被使用來智能地和自適應地建立網絡容量的模型。起初，網絡流量被分解成多個類別，比如各別使用者、應用使用，或常見使用群組。人工神經網絡的輸入被定義為在許可帶寬量預測和該許可帶寬量下可能條件的組合。人工神經網絡的輸出則是與輸入相對應的網絡流量。舉例而言，與各類別相關的多個帶寬配置可以被界定。人工神經網絡接著被構建，并以那些帶寬配置來訓練，然后用于預測未來網絡的帶寬需求。

用于帶寬配置的預測的人工神經網絡的應用是該發明的主要部分，同時也揭露了實現該發明的詳細步驟。然而依照實施例，該發明基本上是用作預測飛機飛行時的帶寬配置。在這種情況下，用于網絡流量的基礎設施幾乎是固定的，僅接受不同的工作量，例如乘客使用來自不同群組的基礎設施。在沒有連接到任何云端服務的情況下，基礎設施的硬件可能會依照不同的工作量設定而調整。同時，對于通過學習來自不同類別數據，云端服務應用面需求的預測是不容易做到的。精確地來說，該預測應基于來自一個來源不同的性能參數而做出。舉例而言，通過學習硬式磁盤系統中每秒輸入輸出操作次數及過去一段時間內的延遲時間而預測未來每秒輸入輸出操作次數。

因此，基于人工神經網絡，用于預測儲存流量與提供軟件定義儲存系統流量模型的一種新的方法與系統，亟為業界應用所需。